从文件中提取单词，但每个单词一次答案

【问题标题】：Extracting words from file but each word once从文件中提取单词，但每个单词一次
【发布时间】：2013-06-03 00:59:40
【问题描述】：

我想编写一个 perl 程序来读取文件并提取其中的日期。但是，如果日期超过一次，我将只打印一次。例如：

On 01/10/2011 I went home. On 02/02/2012, I
went to my school. On 02/02/2012, I went
to London.

输出应该是：

01/10/2011
02/02/2012

我可以通过将日期添加到数组中来做到这一点，并在每次读取新日期时控制它。但我要求一种更有效的方法。有没有合乎逻辑的方法来做到这一点？或 perl 中的任何数据结构？

【问题讨论】：

通过sort -u管道输出？
我认为 [this question][1] 应该可以解决您的问题。 [1]：stackoverflow.com/questions/7651/…
我认为没有办法做到这一点，就像我提到的那样

标签： perl

【解决方案1】：

它将逐行扫描以查找\d\d/\d\d/\d{4} 格式的日期，并将它们作为键保存在哈希中。

文件读取完成后，它会打印这些唯一键。

perl -nE '$s{$_}++ for m| (\d\d/\d\d/\d{4}) |xg;}{say for sort keys %s' file

它可以被翻译成更易读的形式（加上一些检查）

use strict;
open my $fh, "<", "file" or die $!;

my %s;
while (my $line = <$fh>) {

  my @dates = $line =~ m| (\d\d/\d\d/\d{4}) |xg;

  for my $date (@dates) {
    $s{$date} += 1;
  }
}

for my $date (sort keys %s) {

  print $date, "\n";
}

【讨论】：

解释上述答案的作用：使用正则表达式搜索文本以查找 XX/XX/XXXX 形式的所有匹配项，并在字典中递增该键（如果没有，则隐式创建它存在）。然后它只是打印出字典中的键。这和你的建议基本一致。
小术语更正：在 Perl 中，此答案中使用的数据类型称为“哈希”，而不是“字典”。
+1 表示解释和严肃的语气。我的回答使用“几乎詹姆斯邦德”开关来啜饮，我认为这对 Unicode 不安全？如果List::MoreUtils 的大部分都在List::Utils（即CORE）中，那就太好了
你可以用-0777 slurp任何二进制文件，所以unicode应该不会有任何麻烦
如何过滤而不是日期创建每个单词所有可能的 4 个字母组合的序列。

【解决方案2】：

如果您愿意安装一个模块来执行此操作（我知道这似乎有点矫枉过正）List::MoreUtils 有一个uniq 方法。大家都别看了……现在是周五下午，天气很热，可能是时候啜饮（-0777）啤酒了：

perl -'MList::MoreUtils qw(uniq)' -0777nE '@dates = m|(\d\d/\d\d/\d{4})|xg ; @x = uniq(@dates); say "@x" ' file.txt

对不起 ;-)

【讨论】：

hm，这里它会查找 uniq 并在每一行上打印，但它应该在读取完成后执行这些操作
奇怪，我使用的是 5.18。看看不同版本（perl 和 List::MoreUtils）的行为是否不同可能会很有趣 - perlbrew exec 来救援！无论如何，您的解决方案是无模块的，并且使用蝴蝶 }{，所以最好是默认的 ;-) 干杯！