如何提取介于某个区间的几行文字，区间的开始和结束可以用正则表达式描述。

yiqiume

UID: 37892
帖子: 158
积分: 363
在线时间: 1 天 10 小时

1^# yiqiume 发表于 2008-09-22 14:21

如何提取介于某个区间的几行文字，区间的开始和结束可以用正则表达式描述。

看了flw给出的解决方法：
这是面向行处理的一种轻量级解决方法。
比那些对整个文件进行模式匹配的方法不知优雅了要多少倍。

$start 表示开始标记的模式，$end 表示结束标记的模式，
if ( (/$start/ .. /$end/) and !/$end/ ){
表示需要开始和结束之间的，但不需要结束的那一行。

但是问题来了，若模式匹配是不严格的，即：start和end是同一性质的，如一段文字，如下：
>
reo
sot
>
tin
>12
是以开头一个>作为标志。现在要取出每一个>及其后的文字，该如何处理？另外，最后一个是例外，如何解决？大家来讨论下吧。

ulmer

UID: 6072
帖子: 148
积分: 340
在线时间: 1 天 6 小时

2^# ulmer 发表于 2008-09-22 16:25

Hi,
there are many different way to process data. i.e.:

[Copy to clipboard] [ - ]

CODE:

use strict;
use Data::Dumper;

my $records = {}; # reference to hash
my $count = 0;    # counter for normal key record
my $key = '';       # hash key

while (<DATA>) {
chomp;
if (/^>(.*)/) { # pattern match beginning with > (or followed by string)
      if ($1) {    # matsched followed by char and put it as special key
         $key = 'specialKey_'. $1;
         $records->{$key} = []; # initial ref. array
      } else {    # put counter as key
         $key = 'count_' . ++$count;
      }
} else {
      # put all rest blocks after line ^> into a ref. array
      push @{$records->{$key}}, $_;
}
}
# display data structures:
print Dumper $records;

__DATA__
>
reo
sot
>
tin
>12

Output data records:

QUOTE:

$VAR1 = {
      'count_1' => [
                     'reo',
                     'sot'
                     ],
      'count_2' => [
                     'tin'
                     ],
      'specialKey_12' => []
      };

churchmice

UID: 31829
帖子: 2
积分: 4
在线时间: 10 分钟

3^# churchmice 发表于 2008-09-22 16:25

很简单
你别用那种方法就好了
土一点就是你碰到第一个
>的时候flag =1
表示进入了提取区间
然后做处理
碰到第二个>的时候flag=0,表示出了提取区间
然后碰到下一个>的时候，flag又是1

forlorngenius

UID: 32353
帖子: 42
积分: 96
在线时间: 2 小时

4^# forlorngenius 发表于 2008-09-22 21:32

range operator 除了有两个点 .. 还有三个点 ...

yiqiume

UID: 37892
帖子: 158
积分: 363
在线时间: 1 天 10 小时

5^# yiqiume 发表于 2008-09-23 11:13

QUOTE:

原帖由 forlorngenius 于 2008-9-22 21:32 发表
range operator 除了有两个点 .. 还有三个点 ...

呵呵。这个还没有听说过，有时间的话请详细指教。。。
另外，我已经解决了。用的笨方法。这里贴上，或许能供需要之人参考：
#!/usr/bin/perl
$file=shift;
$to_file=shift;
open(TXT, $file) || die "can't open $!";
open(TXT2,">$to_file") or die "error $!";
while(<TXT>){
$content=$_;
if(/^>\d*[\r|\n]+/){
$_='';
$count=1;
}
if($count==1 ){
if(/^>\d+.+\w+/){
$count=0;}
}
if($count==1){
$content='';}
print TXT2 $content;
}
close(TXT);
close(TXT2);
提问只是简略，具体要求是：如发现一段是以>或者>\d+开头，而后面没有别的东西，则认为非法而删除。程序并不难，关键是逻辑。多谢大家的回答，希望有好的解决方法。

forlorngenius

UID: 32353
帖子: 42
积分: 96
在线时间: 2 小时

6^# forlorngenius 发表于 2008-09-23 12:39

你确定下面的逻辑没有问题

if($count==1 ){
            if(/^>\d+.+\w+/){
                     $count=0;}
      }
      if($count==1){
            $content='';}
      print TXT2 $content;

yiqiume

UID: 37892
帖子: 158
积分: 363
在线时间: 1 天 10 小时

7^# yiqiume 发表于 2008-09-23 16:38

应该没有，我测试了。怎么？你说说看

forlorngenius

UID: 32353
帖子: 42
积分: 96
在线时间: 2 小时

8^# forlorngenius 发表于 2008-09-23 16:41

两个if里判断的都是 $count==1

yiqiume

UID: 37892
帖子: 158
积分: 363
在线时间: 1 天 10 小时

9^# yiqiume 发表于 2008-09-23 17:12

第一个有$count=0的过程。

ynchnluiti

UID: 39553
帖子: 24
积分: 55
在线时间: 10 分钟

10^# ynchnluiti 发表于 2008-09-23 18:51

QUOTE:

原帖由 forlorngenius 于 2008-9-22 21:32 发表
range operator 除了有两个点 .. 还有三个点 ...

在标量环境里，.. 返回一个布尔值。...只要它的左操作数为假就一直为假。一旦左操作数为真，该范围操作符就保持真的状态直到右操作数为真，右操作数为真之后该范围操作符再次为假。该操作符在下次计算之前不会变成假...不想拖到下一次计算中才测试右操作数..只需要用三个点（...）代替两个点（..）

如何提取介于某个区间的几行文字，区间的开始和结束可以用正则表达式描述 。

如何提取介于某个区间的几行文字，区间的开始和结束可以用正则表达式描述 。

如何提取介于某个区间的几行文字，区间的开始和结束可以用正则表达式描述。

如何提取介于某个区间的几行文字，区间的开始和结束可以用正则表达式描述。