Perl一行式:字段处理和计算

perl一行式程序系列文章Perl一行式


获取每行最后一个字段

1
$ perl -alne 'print $F[$#F]' file.log

这里涉及到了选项-a、数组@F。这里同时还会解释-F选项,它和-a常一起使用。

选项-a和awk的自动字段分割一样,会自动将每行数据划分为几个字段。划分字段的分隔符由-F选项指定。如果没有指定-F,则默认以空白符号进行分割(连续空格被认为是单空格)。

分割后的元素全都收集到一个数组@F中,所以第一个字段的内容是$F[0],最后一个字段是$F[-1]$F[$#F]

如果想取多个字段,可以对数组@F进行切片,例如第3个字段和第第5个字段@F[2,4],第3个字段到倒数第二个字段是@F[2..$#F-1]@F[1..~~@F-2]

获取范围字段

正如上面所解释的,如果想要获取第二个字段到倒数第二个字段:

1
2
$ perl -lane 'print "@F[1..~~@F-2]"' file.log
$ perl -lane 'print "@F[1..$#F-1]"' file.log

指定字段分隔符

之所以单独拿出来解释,是因为-F指定分隔符时,空白符号的特殊之处。

对于普通字符,-F自然没有什么问题:

1
$ perl -F: -alne 'print $F[1]' /etc/passwd

但是想指定空白字符作为字段的分隔符时,-F选项将出现故障:

1
2
3
4
5
6
$ perl -F" " -alne 'print $F[1]' file.log
o
a
i
y
y

发现空格分隔符根本没起作用,而是按照NUL作为分隔符对每个字符都分割了。

这个问题在-F选项的官方手册中已经注明了:

1
You can't use literal whitespace or NUL characters in the pattern

如果想要指定空白符号作为字段分隔符,可以考虑其它方式。例如使用\s的正则模式,或者直接不使用-F,而是直接在-e表达式中使用split函数进行行的分割。

1
2
$ perl -F'\s+' -anle 'print $F[1]' file.log
$ perl -alne 'split / /;print $F[1]' file.log

计算所有行数值的总和

假如文件内容为:

1
2
3
1 3 5 9
2 3 1
10 2 3 6

想要总计所有这些数值之和,可以使用如下方式:

1
$ perl -M'List::Util=sum' -alne '$num += sum @F;END{print $num}' file.log

或者,将所有行读取到数组中,最后对数组加总:

1
$ perl -M'List::Util=sum' -alne 'push @S,@F;END{print sum @S}' file.log

这种方式对于大文件肯定是不如前一种方式友好的,因为它会将所有行内容都存储起来,而前一种方式为所有行都只存储一个结果$num,占用的内存要低的多的多。

打乱字段的顺序

1
$ perl -M'List::Util=shuffle' -alne 'print "@{[shuffle @F]}"' file.log

List::Util模块中有一个函数shuffle,它会按照随机的顺序打乱一个列表(了解即可,这不是本文的重点)。例如:

1
2
3
4
5
6
$ perl -M'List::Util=shuffle' -le 'print "@{[shuffle 1..10]}"'
8 1 3 7 10 5 2 4 6 9
$ perl -M'List::Util=shuffle' -le 'print "@{[shuffle 1..10]}"'
1 2 7 10 8 4 3 5 6 9
$ perl -M'List::Util=shuffle' -le 'print "@{[shuffle 1..10]}"'
2 5 7 1 4 6 3 8 9 10

这里我想介绍的重点是"@{[ shuffle @F ]}",它是让一个操作可以插入到双引号中的方法,这个在Perl一行式必知语法基础解释过。

虽然目的是插入到双引号中,但它的最终目标是为了让数组元素输出时以空格分隔。所以,这种技巧不是唯一的方法,见下一小节。

指定字段输出分隔符(无引号包围)

上一小节通过@{[shuffle @F]}的方式可以将打乱数组的操作插入到双引号中。下面是其它方法。

1.指定数组的字段输出分隔符$,

1
$ perl -M'List::Util=shuffle' -alne 'BEGIN{$,=" "}print shuffle @F' file.log

默认情况下,print/say输出列表的时候,如果数组/列表不插入到双引号中,各元素之间紧连在一起被输出:

1
2
$ perl -le '@arr=qw(Shell Perl Python);print @arr'
ShellPerlPython

特殊变量$,指定的就是print/say输出数组且不插入双引号时的元素分隔符,其默认值为undef。

例如指定为空格:

1
2
3
4
5
$ perl -le '
@arr=qw(Shell Perl Python);
$,=" ";
print @arr'
Shell Perl Python

2.将列表join成字符串,join的连接符指定为空格即可

1
$ perl -M'List::Util=shuffle' -anle 'print join " ",shuffle @F' file.log

指定字段分隔符(引号包围)

变量$,控制无双引号包围的数组/列表在print/say输出时的元素分隔符。其实双引号包围的数组/列表被print/say输出时也可以指定元素分隔符。

控制输出双引号包围的列表的元素分隔符的特殊变量是$",默认值为空格。

1
2
3
4
5
6
7
8
9
10
11
12
# 默认空格分隔双引号中的元素
$ perl -le '
@arr = qw(Shell Perl PHP Python);
print "@arr"'
Shell Perl PHP Python

# $"改变双引号中的元素分隔符
$ perl -le '
@arr = qw(Shell Perl PHP Python);
$" = ":";
print "@arr"'
Shell:Perl:PHP:Python

所有行中最小数值

假如文件内容为:

1
2
3
1 3 0 9
2 -3 1
10 -2 -3 6

所有行的最小值为-3,如何取得?

最简单的方式是将所有行都读入并保存到数组中,然后使用List::Util模块的min函数取得。

1
$ perl -M'List::Util=min' -anle 'push @nums,@F;END{print min @nums}' num.log

但这对于大文件来说内存占用率会很高。比较好的方式是从每行中取出最小值,保留到数组中,最后从这个数组中取出最小值(稍后继续解释更好的方式)。

1
2
3
$ perl -M'List::Util=min' -anle '
push @nums,min @F;
END{print min @nums}' num.log

如果文件的行数量非常大,这也会在内存中保留很多数值,也不是最佳方式。

更好的方式是从每行中取出最小值保存下来,然后和后面的行结合在一起取最小值。这样的方式使得整个处理过程都只占用一行内存空间。

1
2
3
$ perl -M'List::Util=min' -anle '
$min = min ($min // (),@F);
END{print $min};' num.log

这里的关键是min $min//(),@F

首先,$min//()表示如果$num未定义,则返回空列表(),否则返回$min。如果这里不进行$min是否已定义的判断,那么第一次使用$min的时候,它被当作空。所以如果文件中没有负数,下面的操作将会因此而返回空。

1
2
3
$ perl -M'List::Util=min' -anle '
$min = min ($min,@F);
END{print $min};' num.log

再者,上面$min//()$min未定义的时候返回的是空列表(),不能编写为返回0或空,否则就多出了一个要比较的值。

最后,min函数操作的是一个列表,而Perl会将多个列表压扁形成一个大列表,所以$min//(),@F被压成了一个被min函数操作的列表,而()表示空列表,这使得第一次使用$min的时候不会影响要比较的值。

将所有数值取绝对值

假如文件内容为:

1
2
3
1 3 0 9
2 -3 1
10 -2 -3 6

要返回所有数值的绝对值,可以借用默认函数abs来操作。

简单的逻辑可以遍历@F,并应用abs函数,最后追加回列表被输出:

1
2
3
4
5
$ perl -lane '
@line=();
for(@F){push @line,abs};
print "@line";
' num.log

在Perl中,对于列表中每个元素都要检查、操作的情形,可以使用map函数。map函数太强大了,堪称逆天级,map的详细用法参见Perl map用法详解。这里根据此处需求给出map的使用示例:

1
$ perl -lane 'print "@{[map {abs} @F]}"' num.log

其中map {op} LIST表示对LIST中的每个元素都执行op操作,操作后的值构成一个新列表。@{[ ]}的格式在前面已经出现多次了,不再解释。

统计所有匹配字段数量

1
$ perl -lane '/pattern/ && ++$num for @F;END{print $num || 0}' file.log

这种统计方式是安全的。先划分字段,然后匹配每个字段,只要匹配到就将计数器变量加1。最后输出计数器的值。但可能匹配不到任何东西,所以必须给计数器变量设置一个默认值,也就是$num || 0

另一种改写方式是:

1
$ perl -anle '$t += /pattern/ for @F;END{print $t}' file.log

这里采用的赋值方式$t += /pattern/,因为/pattern/返回的是匹配成功的数量,不匹配成功则会返回0,所以无需像前面一样设置计数器变量的默认值。

如果使用grep来改写,则一行式命令如下:

1
$ perl -alne '$num += grep /pattern/,@F;END{print $num}' file.log

grep返回一个新的表示能匹配的元素列表,但是在标量上下文中列表返回的是元素个数,所以可直接加总计算。

生成10个5-15之间的随机数

1
2
$ perl -le 'print "@{[ map int(rand(10)+5),1..10 ]}"'
10 9 9 11 13 10 14 12 13 6

rand(10)表示生成0-9之间的随机浮点数,int(rand(10))表示生成0-9之间的随机整数,加上5表示5-14的随机整数,整个过程执行10次,所以生成了10个随机整数。

生成字母表

1
2
$ perl -le 'print a..z'
abcdefghijklmnopqrstuvwxyz

更准确的写法是加上双引号:

1
2
$ perl -le 'print "a".."z"'
abcdefghijklmnopqrstuvwxyz

逗号分隔字母表:

1
2
$ perl -le 'print join ",","a".."z"'
a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z

输出azz

1
$ perl -le '"a".."zz"'

..符号会按照字符序列进行递增,z递增后得到aa,再递增得到abaz递增得到ba,依次类推。所以这里会返回大量字符(共702个字符):

1
2
3
4
5
6
7
a..z
aa..az
ba..bz
...
xa..xz
ya..yz
za..zz

生成8字符随机密码

1
$ perl -le 'print map { ("a".."z")[rand 26] } 1..8'

这里("a".."z")[rand 26]取26个字母中的一个随机字母,1..8表示生成8个字符。

如果想要包含大小写字母、数字,可以:

1
$ perl -le 'print map { ("a".."z","A".."Z",0..9)[rand 62] } 1..8'

生成8字符随机密码,包含特殊字符

如果想要让生成的随机密码中包含大小写字母、数字、各种标点符号,可以通过ascii码表来指定范围,然后使用chr函数来转换ascii码为字符。

根据ascii,从33开始到126结束是大小写字母、数字、各种标点符号部分。所以:

1
$ perl -le 'print map { chr int(rand(94)) + 33 } 1..8'

int(rand(94) + 33)表示生成33-126(包括126)之间的随机整数,chr函数可以将数值转换为对应的字符。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
$ for i in `seq 1 10`;do
perl -le 'print map {chr int(rand(94))+33} 1..8'
done

>t]>W69#
>]e<Hub6
D}R1l)._
*(HKFZ6Q
x++\"=1O
@K)%.N@s
sSji5&FX
o+.#?@/x
^6[l~%-k
.bkTKA[%