正则表达式 perl 在 perl 中跨多行的两个相同标签之间捕获

Question

我有很多制表符分隔的文本文件，我需要在其中捕获测试中相同单词之间的所有内容，输入看起来像这样

H string
H string
H string
SCAN 00001 00001
I string
I string
432.203 194090 0
SCAN 00002 00002

使用相同的模式（以 I 开头的几行，然后是我需要捕获的数字），扫描从最低到最高排序，并且它们是唯一的。在两次“SCAN”之间，只有数字分隔在 3 列空间中，我需要提取第一个和第二个数字，在两次扫描之间，大约有两三千行由 3 个数字组成。

我不是正则表达式之神，但我正在尝试这个

while (<$fh_2>)
{
chomp;
next if (/^H/);

my $sc;

if (/(^S.+[\d]+)/../^S.+[\d]+/ms) #while we are between two ^S
{
my @sc_line= split /\s/, $1; #capture the scan number
$sc= pop @sc_line;
if (/(^[\d]+\.?[\d]*)/) # if there are numbers (m) at the start 
   {
    my @lines = split /\s/, $_;
    push @ms, $1; #capture the first number
    push @int, $lines[1]; #capture the second number (i)
    $m{$sc} = [@ms]; #create hash of array
    $in{$sc}= [@int];
   }
}

主要问题是我希望在特定扫描之后以某种方式将所有内容与该扫描匹配，但由于模式相同，我发现编写它很棘手。

输出必须是数组的散列或多维散列，其中对于每次扫描，我可以关联每个第一个数字 (m) 和 (i) 数字，它可以是两个单独的散列，也可以不是，只要我可以从扫描号中检索数组。
编辑：我用另一种方式解决了它

while (<$fh_2>)
{
chomp;

next if (/^H/);

if (/^S/) 
{ 
my @sc_line= split /\s/, $_;
my $sc_= pop @sc_line;
push @sc, $sc_;
push @count, scalar @int;
}
    elsif (/(^[\d]+\.?[\d]*)/)
    {
    my @lines = split /\s/, $_;
    push @ms, $1;
    push @int, $lines[1];
    }

}
close $fh_2;

每次@sc 获得一个新元素时，我都使用索引来获取@int（或@ms）的元素数量，一开始不考虑它是愚蠢的。 仍然有兴趣看看是否有任何 TIMTOWTDI 魔法正在发生。

Answer 1

这是将其作为两个数组散列的脚本。它们保留每个扫描编号内的扫描线顺序。试一试，看看它是否满足您的需求。

#!/usr/bin/perl -w
use strict;

my %m=();
my %in=();
my $sn="";

while (my $line=<>) {
   chomp($line);

   if ($line=~m/^SCAN (\d+) (\g1)/) {
     $sn="$1";
   }
   elsif ($line=~m/^(\d+.\d+) (\d+)/) {
     push(@{$m{$sn}},$1); push(@{$in{$sn}},$2);
   }
}


## You could also print the hash of hashes like this
#
use Data::Dumper;
$Data::Dumper::Terse = 1;
$Data::Dumper::Indent = 2;
$Data::Dumper::Sortkeys = 1;

print "Here is the dump of results:\n";
print "m = ".(Dumper(\%m))."\nin = ".(Dumper(\%in));


## Printing manually
#
print "\nHere is how you can print them manually:\n";
for my $sn (sort keys %m) {
   for my $i (0..scalar(@{$m{$sn}})-1) {
      print "ScanNumber<$sn> First<$m{$sn}[$i]> Second<$in{$sn}[$i]>\n";
   }
}

这里是示例数据：

H string
H string
H string
SCAN 00001 00001
I string
I string
100.100 100000 0
200.200 200000 0
SCAN 00002 00002
H string
H string
H string
300.300 300000 0
400.400 400000 0
500.500 500000 0
600.600 600000 0
700.700 700000 0
800.800 800000 0
900.900 900000 0
SCAN 00001 00003

这里是命令运行的输出：./script.pl

Here is the dump of results:
m = {
  '00001' => [
               '100.100',
               '200.200'
             ],
  '00002' => [
               '300.300',
               '400.400',
               '500.500',
               '600.600',
               '700.700',
               '800.800',
               '900.900'
             ]
}

in = {
  '00001' => [
               '100000',
               '200000'
             ],
  '00002' => [
               '300000',
               '400000',
               '500000',
               '600000',
               '700000',
               '800000',
               '900000'
             ]
}

Here is how you can print them manually:
ScanNumber<00001> First<100.100> Second<100000>
ScanNumber<00001> First<200.200> Second<200000>
ScanNumber<00002> First<300.300> Second<300000>
ScanNumber<00002> First<400.400> Second<400000>
ScanNumber<00002> First<500.500> Second<500000>
ScanNumber<00002> First<600.600> Second<600000>
ScanNumber<00002> First<700.700> Second<700000>
ScanNumber<00002> First<800.800> Second<800000>
ScanNumber<00002> First<900.900> Second<900000>

Answer 2

试试下面的。我希望这提供了一个解决方案，至少可以满足您的需求。建议修改（或自己修改）以使其完全符合您的要求。

这里是示例数据：

H string
H string
H string
SCAN 00001 00001
I string
I string
432.203 194090 0
221.332 983451 0
SCAN 00002 00002
H string
H string
H string
SCAN 00001 00003
I string
I string
521.193 182233 0
522.103 171211 0
SCAN 00004 00004

这是脚本：

#!/usr/bin/perl -w
use strict;


# Store information about scans in the form of hash of hashes
my %scans=();

# The current scan number
my $scannumber="";

while (my $line=<>) {

   chomp($line);
   #print "Current Line: $line\n";

   if ($line=~m/^SCAN (\d+) (\g1)/) {
      $scannumber="$1";
      #print "New Scan: $scannumber\n";
   }
   elsif ($line=~m/^(\d+.\d+) (\d+)/) {
      my ($key,$val)=("$1","$2");
      #print "$key : $val\n";
      $scans{$scannumber}{$key}=$val;
   }

}


## You are ready to print the hash of hashes now
#
for my $scannumber (sort keys %scans) {

   for my $key (sort keys %{$scans{$scannumber}}) {

      my $val=$scans{$scannumber}{$key};
      print "$scannumber : $key : $val\n";
   }
}


## You could also print the hash of hashes like this
#
use Data::Dumper;

$Data::Dumper::Terse = 1;
$Data::Dumper::Indent = 2;

print "\n\n";
print Dumper(\%scans);

脚本运行示例：

~> cat data1 | ./script.pl
00001 : 221.332 : 983451
00001 : 432.203 : 194090
00002 : 521.193 : 182233
00002 : 522.103 : 171211


{
  '00002' => {
               '522.103' => '171211',
               '521.193' => '182233'
             },
  '00001' => {
               '221.332' => '983451',
               '432.203' => '194090'
             }
}