帮助使用perl代码解析文件

Question

我是Perl新手，有一个关于语法的问题。我收到了这段代码，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？这是在利用正则表达式吗？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循环是必要的吗？

#!/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

在这种情况下，默认情况下，if (/DID/)会搜索$_变量，因此它是正确的。然而，它是一个相当松散的正则表达式。

sub中的while循环可能是必要的，这取决于您的输入是什么样子。您应该知道，两个while循环将导致某些行被完全跳过。

主程序中的while循环将占用一行代码，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“的行和第四个字段是一个数字)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。

这段代码有许多问题，如果它能像预期的那样工作，这可能是由于健康的运气。

下面是代码的一个经过清理的版本。我把模块放在里面，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，因为它可能会在您没有显示的地方使用。这段代码不会尝试为get_country使用未定义的值，如果找不到合适的数字，也不会执行任何操作。

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;
}

Answer 2

Perl有一个variable $_，它在某种程度上是很多东西的默认转储场所。

在get_number中，while(<IN_FILE>){将一行读入$_，下一行检查$_是否与正则表达式DID匹配。

在没有给定参数的情况下，也可以在$_上运行的chomp;也很常见。