使用 Perl 进行文件拆分

Question

我正在尝试将大型文本文件拆分为多个文本文件。我发现了几年前的另一个线程，其前提非常相似，但找不到我的确切情况。

https://unix.stackexchange.com/a/64691/183674

如果第一行不是以 00:00:00:00 开头，我将如何拆分以下数据？

00:00:00:00 00:00:05:00 01SC_001.jpg
00:00:14:29 00:00:19:29 01SC_002.jpg
00:01:07:20 00:01:12:20 01SC_003.jpg
00:00:00:00 00:00:03:25 02MI_001.jpg
00:00:03:25 00:00:08:25 02MI_002.jpg
00:00:35:27 00:00:40:27 02MI_003.jpg
00:00:00:00 00:00:05:00 03Bi_001.jpg
00:00:05:19 00:00:10:19 03Bi_002.jpg
00:01:11:17 00:01:16:17 03Bi_003.jpg
00:00:00:00 00:00:05:00 04CG_001.jpg
00:00:11:03 00:00:16:03 04CG_002.jpg
00:01:12:25 00:01:17:25 04CG_003.jpg

下面是代码供参考：

#!/usr/bin/env perl

use strict;
use warnings;

open(my $infh, '<', 'ABC_TabDelim.txt') or die $!;

my $outfh;
my $filecount = 0;
while ( my $line = <$infh> ) {
    if ( $line =~ /^00:00:00:00/ ) {
        close($outfh) if $outfh;
        open($outfh, '>', sprintf('ABC%02d_TabDelim.txt', ++$filecount)) or die $!;        
    }
    print {$outfh} $line or die "Failed to write to file: $!";
}

close($outfh);
close($infh);

我尝试在 while 语句后的下一行添加 print $line; 以尝试使其逐行读取，如其他教程中所示，但这并没有解决问题。

如有任何意见，我将不胜感激。

编辑：例如

    00:01:16:17 00:00:05:00 01SC_001.jpg
    00:00:14:29 00:00:19:29 01SC_002.jpg
    00:01:07:20 00:01:12:20 01SC_003.jpg
    00:00:00:00 00:00:03:25 02MI_001.jpg
    00:00:03:25 00:00:08:25 02MI_002.jpg
    00:00:35:27 00:00:40:27 02MI_003.jpg
    00:00:00:00 00:00:05:00 03Bi_001.jpg
    00:00:05:19 00:00:10:19 03Bi_002.jpg
    00:01:11:17 00:01:16:17 03Bi_003.jpg
    00:00:00:00 00:00:05:00 04CG_001.jpg
    00:00:11:03 00:00:16:03 04CG_002.jpg
    00:01:12:25 00:01:17:25 04CG_003.jpg

我想得到三个单独的文件，分别包含

00:00:00:00 00:00:03:25 02MI_001.jpg
00:00:03:25 00:00:08:25 02MI_002.jpg
00:00:35:27 00:00:40:27 02MI_003.jpg

00:00:00:00 00:00:05:00 03Bi_001.jpg
00:00:05:19 00:00:10:19 03Bi_002.jpg
00:01:11:17 00:01:16:17 03Bi_003.jpg

00:00:00:00 00:00:05:00 04CG_001.jpg
00:00:11:03 00:00:16:03 04CG_002.jpg
00:01:12:25 00:01:17:25 04CG_003.jpg

丢弃前三行。

Answer 1

像这样修改循环中的条件不起作用吗？

if ($line =~ /^00:00:00:00/ || !$outfh)

假设第一行不是以00:00:00:00 开头（一个“零标记”）。正则表达式匹配失败，但文件未打开，因此|| !$outfh 条件为真。 if 正文中的代码跳过关闭并打开新文件，并将该行写入新文件。此后，文件打开，因此条件的后半部分不会改变决策（除了稍微放慢速度并且可能无法测量）。

自从我第一次提出我的解决方案以来，这个问题就得到了澄清。如果要丢弃第一个零标记之前的行，请将 print 修改为仅在文件句柄打开时才打印（而不是修改后的条件以在第一行不以零标记开头时打开文件）。

print $outfh $line or die "Failed to write to file: $!" if $outfh;