Perl - 哈希的初始化

Question

我不确定如何正确初始化哈希 - 我正在尝试为输入文件中耦合线中的值创建键/值对。

例如，我的输入如下所示：

@cluster t.18
46421 ../../../output###.txt/
@cluster t.34
41554 ../../../output###.txt/

我从第 1 行（@cluster 行）中提取 t 编号，并将其与第二行（以 46421 开头的行）中的 output###.txt 匹配。但是，我似乎无法使用我编写的脚本将这些值放入我的哈希中。

#!/usr/bin/perl
use warnings;
use strict;

my $key;
my $value;
my %hash;

my $filename = 'input.txt';
open my $fh, '<', $filename or die "Can't open $filename: $!";

while (my $line = <$fh>) {
        chomp $line;
        if ($line =~ m/^\@cluster/) {
            my @fields = split /(\d+)/, $line;
            my $key = $fields[1];          
        }
        elsif ($line =~ m/^(\d+)/) { 
            my @output = split /\//, $line;
            my $value = $output[5];       
}          
        $hash{$key} = $value;
}

Answer 1

这是个好主意，但是您在if 块 中使用my 创建的$key 是一个作用域为该块的局部变量，屏蔽了全局$key。在 if 块内，符号 $key 与您预先声明的符号无关。见my in perlsub。

一旦if 完成，此本地$key 就会超出范围，并且在if 块之外不存在。全局$key 在if 之后再次可用，在循环的其他地方可见，但由于从未分配过而未定义。 elsif block 中的 $value 也是如此。

只需将my 声明放到循环中，从而分配给这些全局变量（如预期的那样？）。所以，$key = ... 和 $value = ...，hash 会被正确分配。

---

注意——这是关于如何正确分配哈希值。我不知道您的实际数据看起来如何以及该行是否正确解析。这是一个玩具input.txt

@cluster t.1 1111 ../../../output1.1.txt/ @cluster t.2 2222 ../../../output2.2.txt/

我选择第 4 个字段而不是第 6 个字段，$value = $output[3];，然后添加

print "$_ => $hash{$_}\n" for keys %hash;

在循环之后。这打印

1 => output1.1.txt 2 => output2.2.txt

我不确定这是否是您想要的，但哈希构建得很好。

---

关于解析工具选择的评论

当捕获到分隔符时，您可以使用split 的属性来解析行中的数字。这很简洁，但从某种意义上说，它颠倒了它的主要目的，即从字符串中提取 other 组件，由模式分隔。因此，它可能会使代码的目的有点复杂，并且您还必须非常精确地索引以检索您需要的内容。

与其使用split 来提取由正则表达式给出的分隔符​​本身，为什么不使用正则表达式来提取它呢？这也使意图一清二楚。例如，带输入

@cluster t.10 有 4319 个元素，0 个子集群 37652 ../../../../clust/output43888.txt 1.397428

解析可以是这样的

if ($line =~ m/^\@cluster/) {
    ($key) = $line =~ /t\.(\d+)/;
}   
elsif ($line =~ m/^(\d+)/) { 
    ($value) = $line =~ m|.*/(\w+\.txt)|;
}    
$hash{$key} = $value if defined $key and defined $value;

添加t\. 和\.txt 以更精确地指定目标。如果目标字符串不确定具有那种精确的形式，只需捕获\d+，在第二种情况下，最后一个/ 之后的所有非空格，例如m|^\d+.*/(\S+)|。我们使用.* 的贪婪，它将一切 匹配到后面的东西（/），因此一直到最后的/。

然后您也可以将其减少为每行的单个正则表达式，例如

if ($line =~ m/^\@cluster\s+t\.(\d+)/) {
    $key = $1;
}
elsif ($line =~ m|^\d+.*/(\w+\.txt)|) {
    $value = $1;
}

请注意，我已在哈希分配中添加了一个条件。实际上，原始代码在第一次迭代时分配了一个undef，因为那时还没有看到$value。这在下一次迭代中被覆盖，如果我们只在之后打印散列，我们就看不到它。该条件还可以防止匹配失败、格式错误的行等。当然，可以运行更好的检查。