使用简单的模式匹配逐行比较文件

Question

我有两个文件：在第一个文件中，每一行都有一些与之关联的标签；第二个文件包含属于特定类别的标签。

File1 - 标记行：

I have never had an issue.  L_102 ----- L_127
I travel overseas and offer a lot of services that are very useful to me    L_105 ----- L_134 ----- L_148
Expense to have L_522
Great benefits  L_148
prestige    L_118

File2 - 标签所属的类别：

Issues:113,114,115,116,127
Benefits:105,220,154,543,590
General:148,134,154

我已经编写了一个 Perl 脚本来从第一个文件中获取标签。

#!/usr/bin/perl

use strict;
use warnings;

my $file = shift || "INPUTFILE";
my $outputfile = shift || "OUTPUTFILE";

open my $fh, '<', $file or die "Can not open '$file': $!";
open( OUTFILE, ">", $outputfile) or die "Can not open '$outputfile': $!";

while(my $w = <$fh>) {
    my @matches = $w =~ m/(L_[0-9][0-9][0-9])/g;
    for(@matches){s/L_//g;
    s/\s+/\t/g;
    }
    print OUTFILE "@matches\n";
}

第一个脚本的输出是：

102 127
105 134 148
522
148
118

我有第二个 Perl 脚本来从第二个文件（包含类别）中获取级别：

#!/usr/bin/perl

use strict;
use warnings;

my $file = shift || "INPUTFILE";
my $outputfile = shift || "OUTPUTFILE";
my $patern = shift ||"Issues:"

open my $fh, '<', $file or die "Can not open '$file': $!";
open( OUTFILE, ">", $outputfile) or die "Can not open '$outputfile': $!";

while(my $var = <$fh>) {
if(my @matches =$var=~/(.*$patern.*)/)
{
for(@matches){s/$patern//g;s/\,/\t/g}
print OUTFILE "@matches\n";
}
}

第二个脚本的第二个输出是：

113 114 115 116 127

现在我想逐行匹配第一个输出和第二个输出。我想要的结果是：如果第二个输出中的任何数字与第一个输出中的任何行匹配，那么我想打印 1；否则，如果该行没有匹配打印 -1。

上面的输出如下：

 1
-1
-1
-1
-1

Answer 1

这会将您的两个脚本合二为一。它通读指向 "INPUTFILE.txt" 的 $inputfile 文件句柄，根据正则表达式 ($regexp) 或 %patterns 中是否存在搜索键查找匹配项哈希。

由于匹配很简单，我们使用的正则表达式是使用 join、| 和所需的搜索字符串构建的。在替代方法（此处已注释掉）中，我们使用哈希键本身来检查是否存在搜索模式。

我已经稍微更改了 open 语句中的变量和文件名，因为大写的文件名使它们看起来像旧式文件句柄：

#!perl -l

my $inputfile  = "INPUTFILE.txt";
my $outputfile = "OUTPUTFILE.txt";
my $matchfile  = "MATCHFILE.txt";

open my $inputfh, '<', $inputfile  or die "No file '$inputfile': $!";
open my $matchfh, '<', $matchfile  or die "No file '$matchfile': $!\n";
open my $outfh,   '>', $outputfile or die "No file '$outputfile': $!\n";

my %patterns;
while (<$matchfh>) {
  $patterns{$_} = () for map { split /,/, $_ } /Issues:(.*)/;    
}

my $regex = join "|", keys %patterns;
$regex = qr/$regex/; # create a regex from %patterns
print "Search patterns : ", join " ", keys %patterns;
print "Regex           : $regex \n";

while (my $line = <$inputfh>) {
  chomp $line;    
  # Print "1" for 3 digits matching search pattern; "-1" otherwise:
  #print exists $patterns{$_} ? "1" : "-1" for $line =~ m/(\d\d\d)/g;

  # Print "1" if a matching pattern is on a line; -1 otherwise:   
  if (grep /$regex/, $line) {    #
    print "1  - $line";
  }
  else {
    print "-1 - $line";
  }
}

上面的脚本应该可以工作。您可以从最后的 print 语句中删除 - $line 并添加文件句柄目标 ($outfh) 以将输出定向到文件。

由于inputfile中有五行，输出为：

Search patterns : 127 116 114 115 113
Regex           : (?^:127|116|114|115|113) 

1 - I have never had an issue.  L_102 ----- L_127
-1 - I travel overseas ... very useful to me L_105 ----- L_134 ----- L_148
-1 - Expense to have L_522
-1 - Great benefits  L_148
-1 - prestige    L_118

NB 最后的 if ... else 块可以使用 "ternary operator"(<cond> ? 1 : 0) 缩短为：

 print $line =~ /$regex/ ? '1' : '-1';

这样，如果 $line =~ /$regex/ 的计算结果为 "true"（或“1”），将打印“1”；如果计算结果为 "false"（或“0”），将打印“-1”。

如果你从你的两个文件中读取并简单地使用你的 shell 重定向输出，所有这一切的简短版本将是：

#!perl -l

my $inputfile = "INPUTFILE.txt";
my $matchfile = "MATCHFILE.txt";

open my $inputfh, '<', $inputfile or die "No '$inputfile': $!";
open my $matchfh, '<', $matchfile or die "No '$matchfile': $!\n";

my %patterns;
while (<$matchfh>) {
  $patterns{$_} = () for map { split /,/, $_ } /Issues:(.*)/;
}

my $regex = join "|", keys %patterns;
$regex = qr/$regex/;

while (my $line = <$inputfh>) {
  chomp $line;
  print $line =~ $regex ? '1' : '-1';
}

使用简单的模式匹配逐行比较文件

Comparing files line by line using a simple pattern match

regex

perl

pattern-matching

string-matching