《Learning PERL》笔记

[TOC]

scalar和array的记法

1
2
$calar --> scalar
@rray --> array

还是挺巧妙的, 不过%hash就没什么的了.

字符串tricks

犀利的qw

qw表示quoted words：

1
2
qw(fred barney betty wilma dino)
# equals ("fred", "barney", "betty", "wilma", "dino")

此外, 用了qw就不限于用括号序对了, 可以用的序对符有:

1
2
3
4
5
6
7
qw!...!
qw/.../
qw#...#
qw{...}
qw[...]
qw<...>
...

好灵活的。

a..b递增数字序列

生成(a, a+1, a+2,..., b-1, b),这里当然b是要大于a的. 测试了一下, a大于b的话返回的是一个空列表.

字符串插值

"@array"与'@array'是不同的, 前者会进行列表值的插入展开, 而后者则是原始的literal字符串不进行展开.

插值的形式不止于此, 比如"\Lstr"会将str全都变成小写, 相应的"\Ustr"会将字符串全都变成大写字母.

字符串duplicate

1
2
"fred"x3 # 'x' not '*'
>"fredfredfred"

相当于python里的str*n, PERL在这方面果然不会落后.

格式化字符串

用的是%:

  • %g, 指定自动数字形式;
  • %-n, 指定宽度为n个字符, 左对齐;
  • %n, 指定宽度为n个字符, 右对齐;
  • %%, 输出百分号%

可变宽度的字符串可以用:

1
2
printf "%${width}s..." $str
printf "%*s..." ,$width, $str

sprintf函数也接收格式化字符串, 不过不打印出来, 而是用于保存到变量里.

这样的两种形式.

$#<list_name>列表长度(-1)

返回的是list的个数-1,因此可以使用$list_name[$#list_name]来获取列表的最后一个值.

build-in函数杂计

splice

原型是: 

1
2
3
splice (arg1, arg2[, arg3[, arg4]])
#instance
@remove = splice(arg1, ...)

arg1为目标列表, arg2为起始位置(从1开始计), arg3为作用的长度, arg4为替换进去的列表.
示例中@remove为切出的列表, arg1为作用后的结果列表, 与直觉不相符呢.

而且要注意的是在列表遍历中(典型的如foreach)中对遍历成员的操作会影响目标列表, 这个或许是splice的这种行为的原因.

unlink和glob

unlink和glob相当于shell中的rm和glob, 即unlink glob '*.o'就相当于在shell中执行rm *.o, 不过推荐的执行方式如下:

1
2
3
foreach my $file (glob "*.o"){
    unlink $file or warn "...$!";
}

index和rindex

直接看例子:

1
$location_int = index @heap, $needle;

$location_int为@heap中首次出现$needle的位置.

还有个rindex是反向查找.

grep

grep跟shell里的grep没有关系, 其实跟FP里的filter是一个意思, 直接看代码示例吧:

1
2
3
my @odd_number = grep {$_%2} 1..1000;
my @matching_lines = grep /\bfred\b/i, <$fh>;
my $matching_lines_count = grep /\bfred\b/i, <$fh>;

最后一条加了一个context变换的trick而已.

特殊变量

$_默认变量

直接上代码好了:

1
2
3
4
5
6
7
foreach (1..10) {
    print $_;
}
#12345678910
$_ = "hahah"
print;
#hahah

$_在这里起到了一个表达式”管道”的作用.

函数中的@_

@_是函数的私有变量, 表示函数的参数列表, 可以用$_[n]来进行逐个索引访问.

@_跟默认变量$_是没有任何关系的.

命令行参数@ARGV与钻石操作符<>

命令行的参数保存在@ARGV里.

<>将@ARGV中指定全部文件打开并将文件句柄全都存储在<>内, 当然@ARGV也可以显式的认为修改. 如果@ARGV中没有参数, 则<>使用<STDIN>.

1
2
3
while (<>) {
    print;
}

$!

$!中存放着系统错误信息.

上面的代码等价于一个cat命令, 当然这个命令可以写的更简单一点: print <>.

$1, $2, ... $n

为正则表达式匹配之后的分组内容捕获, 各个变量表示分组匹配的内容.

正则表达式默认匹配变量

$(apostrophe)$&$'为正则表达式匹配之后的默认变量, $`表示匹配内容之前的字符串, $&表示匹配的字符串, $'表示匹配内容之后的字符串.

$^I备份文件变量

用$^I = "*.bak"这样的形式来设置备份文件.

$a和$b

排序子程序中的默认变量, 表示要进行比较的两个输入.

上下文context

@array在列表上下文中返回列表的列表项目值, 在标量上下文中返回列表元素的个数, scalar @array会强制制造标量上下文, 返回@array的列表元素个数.

<STDIN>标准输入

<STDIN>其实是一个句柄啦, 指向标准输入, 也就是键盘, 标准用法是这样的:

chomp(@lines = <STDIN>);

表示读取C-D之前的所有键盘输入内容, 每行去掉换行符然后存到列表@lines里面.

函数

定义与调用

定义格式为:

1
2
3
sub sub_name{
...
}

调用的格式为:

1
&sub_name;

在调用时, 如果没有跟build-in函数名冲突, 可以不用加&符号(build-in函数是不用加符号的). 其实这种设置灵活是零活, 但是还是都加&的好.

另外, 函数结束前执行的最后一步的结果会作为返回值, 除非显式的使用return. 这个的话依然还是统一用return比较好.

my创建变量

使用my可以创建作用域内的变量, 典型的就是函数内部啦:

1
2
3
4
sub sub_name{
    my ($m, $n) = @_;
    ...
}

此外, 还可以用于if, while, foreach的作用域内, 比如:

1
2
3
foreach my $rock (@rocks){
...
}

state

用state创建的是函数的静态变量.

for和foreach

foreach是for的一个子集, for(@args)和foreach(@args)是可以互相替换的, 此外for的另外的用法就是常见的for($i = 0; $i < n; $i++).

文件句柄

1
2
3
4
5
6
7
8
open CONFIG, 'dino'; #default mode(read)
open OCNFIG, '<dino'; #read only mode
open REDROCK, '>fred'; #write mode, create file if not exists
open LOG, '>>logfile'; #append mode, create file if not exists
print LOG "log info..."
select LOG
print "log info"

要注意使用的文件符为单引号, 读写指定符跟命令行的管道重定向符号是一致的. 往文件里面添加内容直接使用第6行的格式即可.

select可以选择默认句柄, 用来取代STDIN和STDOUT.

hash

%var表示一个哈希变量.

hash的reverse

my %inverse_hash = reverse %any_hash;

使原来的k-v对转换为v-k对, 根据hash的默认属性, 这样翻转需要原先的v中没有重复值, 不然就会出现转换后k值的覆盖.

keys, values函数

分别返回哈希表的键列表和值列表:

1
2
3
4
foreach $key (sort keys %hash) {
    $hash{$key} = ...
    ...
}

另外each可以直接返回键值对:

1
while(($k, $v) = each %hash)

正则表达式

属性元字符

形式为: \p{property}, 比较重要的几个列举如下:

  • \p{Space}: 表示Unicode中定义的空格;
  • \p{Digit}: 表示Unicode中定义的数字;
  • \p{Hex}: 表示16进制字符, 相当于[0-9A-Fa-f];
  • \P{property}: 表示反义;

具体的内容查阅perluniprops吧.

括号分组

正则表达式中的组号以左括号从左至右的顺序从1开始编号, \1, \2, ... \n为正则表达式中的引用, $1, $2, ...$n为正则表达式匹配之后的组内容捕获.

另外可以使用\g{n}这样的形式, 以消除\111这样的歧义(\111表示第111组, 还是第1组后面跟11还是表示11组后面跟1呢?).

更研究的方法是用label来命名分组—(?<label_name>pattern), 然后用\g{label_name}引用, 用${label_name}来获取捕获内容.

(?:pattern)表示不占用组号的分组.

默认匹配变量

$(apostrophe)$&$'为正则表达式匹配之后的默认变量, $`表示匹配内容之前的字符串, $&表示匹配的字符串, $'表示匹配内容之后的字符串, 一个可以用来做正则匹配调试的程序如下:

1
2
3
4
5
6
7
8
while(<>){
    chomp;
    if (/pattern/){
        print "matched: |$`<$&>$'\n";
    } else {
        print "No match: |$_|\n";
    }
}

匹配选项

写在正则表达式的最后面—/pattern/option_mark, 常用的选项有:

  • /g: 获取所有的匹配, 即返回到一个array而不是scalar里;
  • /i: 忽略大小写;
  • /s: 使.匹配\n;
  • /x: 忽略正则表达式中的空格, 使用这个选项可以写出可能性明显提升的正则表达式, 因为使用了这个选项就可以对正则表达式进行断行了, 并且可以在每行都写上注释.

单行流例程

1
2
3
4
5
6
7
8
[usr@comp ~]$ perl -p -i.bak -w -e 's/Randall/Randal/g' *.dat
#!/usr/bin/perl -w
$^I = ".bak";
while (<>) {
    s/Randall/Randal/g;
    print;
}

-p相当于是:

1
2
3
4
while (<>) {
    "-e stuff"
    print;
}

意思是打印每一行, -e指定的内容就填充到print这一句之上.

-w相当于是代码中的第一行, 打开warning开关的意思, -i.bak就相当于是$^I = ".bak"设置同名备份文件的意思了.

模块使用

1
use File::Basename qw/.../

表示引入模块中的...函数, 为空的话表示不引入.

Try::Tiny

用了这个模块就可以用try catch了. 不过这个模块需要从CPAN中下载.

List::Util

标准库中的列表处理库, 里面有shuffle(@list)这种函数, 应该很实用.

排序子程序

1
2
3
4
5
sub by_name {
    if ($a < $b) -1;
    elsif ($a > $b) 1;
    else 0;
}

上面的这个就是一个排序程序, $a和$b表示顺序赋值的两个输入. 上面的程序用于sort的排序子程序中, 相当于sort的一个callback.

上面的程序表示按数值从大往小排序, 应用方式为:

my @result = sort by_name @some_num;

可以替换为:

my @result = sort {$a <=> $b} @some_num;

上面的那个排序程序也可以简化为:

sub by_name {$a <=> $b};

按字符排序的子程序写法是:

sub by_code_point {$a cmp $b}

这个就是sort的默认行为.

进行反向排序的话就交换一下两个排序变量的顺序就可以了.

ps: 排序子函数的函数名用by_前缀的形式似乎是个convention.

哈希表多重排序应用

1
2
3
4
5
6
7
my %score; # a {name:score} hash
sub by_score_and_name {
    $score{$b} <=> $score{$a}
    or
    $a cmp $b
}

上面的排序程序表示先按分数从小到大排序, 同分的话再按字母排序.

数组切片和哈希切片

直接上代码说明, 数组切片:

1
2
3
my @names;
...
my ($first, $last) = (sort @names)[0, -1];

哈希切片:

1
2
3
my %score;
...
my @three_scores = @score{qw/barney fred dino/};

要注意哈希的上下文.