如何在 Perl 中读取、分析、然后“取消读取”并重新读取输入流的开头？答案

【问题标题】：How can I read, analyze, and then "un-read" and reread the beginning of an input stream in Perl?如何在 Perl 中读取、分析、然后“取消读取”并重新读取输入流的开头？
【发布时间】：2010-10-30 17:24:36
【问题描述】：

我正在读取和处理来自 ~~Perl 中的 ARGV 文件句柄（即 while(<>) 构造）~~的输入流，这是一个常规文件句柄，可能是 STDIN。但是，我需要分析输入的重要部分，以便检测它以四种不同但极其相似的格式中的哪一种进行编码（FASTQ 质量分数的不同 ASCII 编码；请参阅here）。一旦我确定了数据的格式，我需要返回并再次解析这些行以实际读取数据。

所以我需要读取流的前 500 行左右两次。或者，换个角度来看，我需要阅读前 500 行，然后将它们“放回去”，这样我才能再次阅读它们。由于我可能正在阅读 STDIN，因此我不能只是回到开头。而且文件很大，所以我不能将所有内容都读入内存（尽管将前 500 行读入内存是可以的）。最好的方法是什么？

或者，我可以以某种方式复制输入流吗？

编辑：等一下。我刚刚意识到我不能再将输入作为一个大流处理，因为我必须独立检测每个文件的格式。所以我不能使用 ARGV。不过，剩下的问题仍然存在。

【问题讨论】：

标签： perl stdin duplication

【解决方案1】：

如你所说，如果文件句柄可能是 STDIN，你不能使用seek 来回退它。但这仍然很简单。我不会打扰模块：

my @lines;

while (<$file>) {
  push @lines, $_;
  last if @lines == 500;
}

... # examine @lines to determine format

while (defined( $_ = @lines ? shift @lines : <$file> )) {
  ... # process line
}

请记住，在这种情况下您需要一个显式的 defined，因为将隐式 defined 添加到某些 while 循环的特殊情况不适用于这个更复杂的表达式。

【讨论】：

【解决方案2】：

有一个CPAN module，它为IO::Handle 类提供了一个unread 方法。然而，它的警告让人有些谨慎。我会仔细评估它的适用性。

如果您真的只需要节省 500 行，每行都相当短，那么该模块可能就足够了；它的例子确实使用了STDIN。

但是，我对魔法 ARGV 感到紧张。如果您的<> 运算符导致打开和读取多个不同的文件，那么我不知道您是否能够备份到与当前打开的文件不同的文件。

因此，您最终可能只是自己编写推回逻辑。要么这样，要么对与多个输入文件和/或STDIN 的性质相关的 ARGV 处理施加某种限制。

我的大多数带有魔法 ARGV 处理的程序在开始时都有防护，内容如下：

if (@ARGV == 0 && -t STDIN) {
    # select one or the other of the next two lines:

    # opt 1: emit warning 
    warn "$0: reading stdin from /dev/tty\n";

    # opt 2: populate @ARGV
    @ARGV = grep { -f && -T } <*>;  # glob plain textfiles

 }

在上面的第二种情况下，它默认为当前目录中的所有纯文本文件，如果grep 产生空列表，人们还应该决定该怎么做。

对于一些期望或至少承认目录参数的程序，我偶尔会将空的@ARGV 初始化为"."，以便程序默认为进程的当前工作目录。

【讨论】：