Perl 文本文件 grep答案

【问题标题】：Perl text file grepPerl 文本文件 grep
【发布时间】：2014-05-26 22:47:01
【问题描述】：

我想在 Perl 中创建一个字符串数组，我需要从制表符分隔的文本文件中搜索/grep。比如我创建数组：

#!/usr/bin/perl -w

use strict;
use warnings;

# array of search terms
my @searchArray = ('10060\t', '10841\t', '11164\t');

我想要一个foreach 循环到grep 一个格式如下的文本文件：

c18                 10706      463029             K
c2                  10841      91075              G
c36                 11164      .                  B
c19                 11257      41553              C

对于上述数组的每个元素。最后，我想要一个新的文本文件，看起来像这样（继续这个例子）：

c2                  10841      91075              G
c36                 11164      .                  B

我该怎么做呢？此外，这需要能够处理大约 500 万行的文本文件，因此不能浪费内存（不过我确实有 32GB 内存）。

感谢您提供任何帮助/建议！干杯。

【问题讨论】：

标签： arrays perl text grep

【解决方案1】：

使用 perl 单行。只需将您的数字列表转换为正则表达式即可。

perl -ne 'print if /\b(?:10060|10841|11164)\b/' file.txt > newfile.txt

【讨论】：

谢谢；但是，每当我尝试这个时，它都不起作用。如果我把10841放在第一位，那么它确实会将它添加到新文件中，但不是11164。我也试过 >> 而不是 > 并没有区别......

【解决方案2】：

您可以使用像/(10060\t|100841\t|11164\t)/ 这样的正则表达式来搜索替代方案。由于您的数组可能很大，您可以通过类似

的方式创建此正则表达式

$searchRegex = '(' + join('|',@searchArray) + ')';

这只是一个简单的字符串，因此最好（更快）将其编译为正则表达式

$searchRegex = qr/$searchRegex/;

只有 500 万行，您实际上可以将整个文件拉入内存（如果 100 个字符/行，则小于 1 GB），但除此之外，您可以使用此模式逐行搜索

while (<>) {
    print if $_ =~ $searchRegex
}

【讨论】：

谢谢！你会如何建议加载/我在哪里输入和输出文本文件？不幸的是，每行实际上很长，文件约为 20Gb，因此内存是一个因素。
不要在文件的输入和输出中添加语句！这是不好的做法。

【解决方案3】：

所以我不是最好的编码员，但这应该可行。

#!/usr/bin/perl -w

use strict;
use warnings;

# array of search terms
my $searchfile = 'file.txt';
my $outfile = 'outfile.txt';
my @searchArray = ('10060', '10841', '11164');
my @findArray;

open(READ,'<',$searchfile) || die $!;
while (<READ>)
{
    foreach my $searchArray (@searchArray) {
        if (/$searchArray/) {
            chomp ($_);
            push (@findArray, $_) ;
        }
    }
}
close(READ);

### For Console Print
#foreach (@findArray){
#   print $_."\n";
#}

open(WRITE,'>',$outfile) || die $!;
foreach (@findArray){
    print WRITE $_."\n";
}
close(WRITE);

【讨论】：