帮助使用 perl 代码解析文件

Question

我是 Perl 新手，对语法有疑问。我收到此代码用于解析包含特定信息的文件。我想知道子例程 get_number 的 if (/DID/) 部分在做什么？这是利用正则表达式吗？我不太确定，因为正则表达式匹配看起来像 $_ =~ /some expression/。最后，get_number 子例程中的 while 循环是否必要？

#!/usr/bin/env perl

use Scalar::Util qw/ looks_like_number /;
use WWW::Mechanize;

# store the name of all the OCR file names in an array
my @file_list=qw{
   blah.txt
};

# set the scalar index to zero
my $file_index=0;

# open the file titled 'outputfile.txt' and write to it
# (or indicate that the file can't be opened)
open(OUT_FILE, '>', 'outputfile.txt')
    or die "Can't open output file\n";

while($file_index < 1){
    # open the OCR file and store it in the filehandle IN_FILE
    open(IN_FILE, '<', "$file_list[$file_index]")
        or die "Can't read source file!\n";

    print "Processing file $file_list[$file_index]\n";
    while(<IN_FILE>){
            my $citing_pat=get_number();
            get_country($citing_pat);
    }
    $file_index=$file_index+1;
}
close IN_FILE;
close OUT_FILE;

get_number 的定义如下。

sub get_number {
    while(<IN_FILE>){
        if(/DID/){
            my @fields=split / /;
            chomp($fields[3]);
            if($fields[3] !~ /\D/){
                return $fields[3];
            }
        }
    }
}

Answer 1

Perl 有一个 变量 $_ ，它有点像很多东西的默认垃圾场。

在 get_number 中，while(){ 正在将一行读入 $_，下一行正在检查 $_ 匹配正则表达式 DID。

当没有给出参数时，chomp; 也可以对 $_ 进行操作，这也是很常见的。

Answer 2

在这种情况下，if (/DID/) 默认情况下会搜索 $_ 变量，因此它是正确的。然而，在我看来，它是一个相当宽松的正则表达式。

子程序中的 while 循环可能是必要的，这取决于您的输入是什么样的。您应该意识到两个 while 循环将导致某些行被完全跳过。

主程序中的 while 循环将占用一行，并且不对其执行任何操作。基本上，这意味着文件中的第一行以及紧跟在匹配行之后的每一行（例如包含“DID”且第四个字段是数字的行）也将被丢弃。

为了正确回答这个问题，我们需要查看输入文件。

这段代码存在很多问题，如果它能按预期工作，那可能是因为运气好。

下面是代码的清理版本。我保留了这些模块，因为我不知道它们是否在其他地方使用。我还保留了输出文件，因为它可能会在您未显示的地方使用。此代码不会尝试使用 get_country 的未定义值，并且如果找不到合适的数字，则不会执行任何操作。

use warnings;
use strict;
use Scalar::Util qw/ looks_like_number /;
use WWW::Mechanize;

my @file_list=qw{ blah.txt };

open(my $outfile, '>', 'outputfile.txt') or die "Can't open output file: $!";

for my $file (@file_list) {
    open(my $in_file, '<', $file) or die "Can't read source file: $!";
    print "Processing file $file\n";
    while (my $citing_pat = get_number($in_file)) {
        get_country($citing_pat);
    }
}
close $out_file;

sub get_number {
    my $fh = shift;
     while(<$fh>) {
            if (/DID/) {
                    my $field = (split)[3];
                    if($field =~ /^\d+$/){
                return $field;
                    }
            }
     }
    return undef;
}