julia到regex匹配文件中的行，如grep

我希望看到julia的代码片段，它将读取文件并返回与正则表达式匹配的行（字符串类型）

我欢迎多种技术，但输出应等同于以下内容：

$> grep -E ^AB[AJ].*TO' 'webster-unabridged-dictionary-1913.txt'

ABACTOR
ABATOR
ABATTOIR
ABJURATORY

---

我在这里使用的是GNU grep 3.1，文件中每个条目的第一行都是单独的all caps word。

我喜欢的解决方案使用了一个简单的循环，非常容易理解

julia> open("webster-unabridged-dictionary-1913.txt") do f
           for i in eachline(f)
               if ismatch(r"^AB[AJ].*TO", i) println(i) end
           end
       end

ABACTOR
ABATOR
ABATTOIR
ABJURATORY

笔记

• 以制表符分隔的行保留了制表符（没有'\t'的文字输出）
• 在本例中，我的源文件在定义上方的一行中包含所有大写的词典单词；返回完整的行
• 文件I/O操作包装在a中，对于多行函数，它比lamba

  x->f（x）

  语法更方便地表示匿名函数。这在file

  open（）

  命令中表现得尤为明显，该命令在使用函数作为参数调用时使用

  try finally close

  操作定义
• • 正则表达式对象的形式为

    r”“

  • 正则表达式本身就是一个字符串
  • 基于perl
  • 匹配成为正则表达式匹配对象

范例

julia> reg = r"^AB[AJ].*TO";
julia> typeof(reg)
Regex

julia> test = match(reg, "ABJURATORY")
RegexMatch("ABJURATO")

julia> typeof(test)
RegexMatch

---

您还可以使用

filter

功能在一行中完成此操作

filter(line -> ismatch(r"^AB[AJ].*TO",line),readlines(open("webster-unabridged-dictionary-1913.txt")))

filter

将返回布尔值的函数应用于数组，并仅返回数组中

true

的元素。本例中的函数是一个匿名函数

line->ismatch（r“^AB[AJ].*TO”，line）”

，其基本意思是调用被筛选数组的每个元素（本例中为每一行）

line

---

我认为这可能不是非常大的文件的最佳解决方案，因为整个文件需要在过滤之前加载到内存中，但对于本例，它似乎与使用

eachline

的for循环一样快。另一个区别是，此解决方案将结果作为数组返回，而不是打印每个结果，这取决于确定你想对匹配做什么可能是好的，也可能是坏的。

Julia使用命令行命令的方式就是把

；

放在前面，这样Julia的REPL

;grep -E ^AB[AJ].*TO' 'webster-unabridged-dictionary-1913.txt'

---

感谢您讨论

readlines（）

在筛选之前使用整个文件并加载数组。这不需要

close（）吗

operation？返回数组可能很有用，在这种情况下，我想复制grep的行为；我从这篇比较编程语言的有用博客文章中得到了这个想法，谢谢！如果你想像grep一样打印生成的数组，你可以执行

filter（line->ismatch（r“^AB[AJ].*to”，line），readlines（open（“webster-unabridged-dictionary-1913.txt”）。|>println；

。我认为它不需要

close（）

-由于该流从未命名，我不确定您如何告诉

close

要关闭什么。这并不能回答问题。一般来说，这是一个有用的提示，但我已经知道如何用“grep”来解决这个问题。@Merlin对于将来遇到这种冷遇的人来说是一个很好的观点

ismatch（）

在julia>1.0中不推荐使用。相反，应使用

occursin（）

。