Parsing 如何使用Perl 6从嘈杂文件的中间提取一些数据？

我想使用惯用的Perl 6来实现这一点

我在一个嘈杂的输出文件中发现了一块奇妙的连续数据块

我只想打印标题行，以

Cluster Unique

开头，然后打印所有行，直到（但不包括）第一次出现空行。以下是该文件的外观：

</path/to/projects/projectname/ParameterSweep/1000.1.7.dir> was used as the working directory.
....

Cluster Unique Sequences    Reads   RPM
1   31  3539    3539
2   25  2797    2797
3   17  1679    1679
4   21  1636    1636
5   14  1568    1568
6   13  1548    1548
7   7   1439    1439

Input file: "../../filename.count.fa"
...

单行版本 用英语 打印输入文件中的每一行，从包含短语

Cluster Unique

的once开始，到下一个空行之前结束

带注释的代码相同

---

扩展版

• lines（）

  类似于perl5中的
  。命令行上列出的每个文件中的每一行一次读取一个。由于这是在一个

  for

  循环中，因此每一行都放在默认变量

  $\uu

  中

• say

  与print类似，只是它还附加了一个换行符。当以
  开头写入时，它直接作用于默认变量

  $\uuuu

• $是默认变量，在本例中包含文件中的一行

• ~~

  是将

  $\u

  与正则表达式进行比较的匹配运算符

• /

  在两个正斜杠之间创建一个正则表达式

• \s+

  匹配一个或多个空格

• ff

  是最新版本。只要左边的表达式为假，它就是假的。当其左侧的表达式计算为true时，它变为true。当其右侧的表达式变为真时，它将变为假，并且不再被计算为真。在这种情况下，如果我们使用

  ^ff^

  而不是

  ff^

  ，则输出中将不包括标题
• 当

  ^

  出现在

  ff

  之前（或之后）时，它会修改

  ff

  ，使其左侧（或右侧）的表达式变为真的迭代也是假的

• /^\*$/

  匹配一个空行

  • ^

    匹配字符串的开头

  • \s*

    匹配零个或多个空格

  • $

    匹配字符串的结尾

顺便说一下，Perl 5中的触发器运算符在标量上下文中是

。

（在列表上下文中是范围运算符）。当然，它的特性没有Perl6那么丰富

我想使用惯用的Perl 6来实现这一点

在Perl中，在文件中定位块的惯用方法是以段落模式读取文件，然后在找到感兴趣的块时停止读取文件。如果您正在读取一个10GB文件，并且该块位于该文件的顶部，则继续读取该文件的其余部分效率低下——更不用说对文件中的每一行执行If测试了

在Perl 6中，您可以这样一次读取一个段落：

my $fname = 'data.txt';

my $infile = open(
    $fname, 
    nl => "\n\n",   #Set what perl considers the end of a line.
);  #Removed die() per Brad Gilbert's comment. 

for $infile.lines() -> $para {  
    if $para ~~ /^ 'Cluster Unique'/ {
        say $para.chomp;
        last;   #Quit reading the file.
    }
}

$infile.close;

#    ^                   Match start of string.
#   'Cluster Unique'     By default, whitespace is insignificant in a perl6 regex. Quotes are one way to make whitespace significant.   

但是，在

perl6 rakudo/moarVM

中，

open（）

函数无法正确读取

nl

参数，因此当前无法设置段落模式

此外，有些人认为某些习语是不好的习惯用法，例如：

后缀if语句，例如，

如果$y==0，就说“hello”

依赖于代码中的隐式

$\uu

变量，例如

.say

---

因此，根据您所处的环境，这在Perl中被认为是一种不好的做法。

您的一行程序使用裸

say

而不是

。say

；您还可以通过将其编写为

来摆脱更多的参数。对于行，可以使用if/Cluster\s+Unique/ff^/^\s*$/表示感谢！你能把它作为一个答案吗？这只是对你的答案的一个小小的改进，所以我认为它不应该有自己的答案。你不需要Perl 6中的
或死
，而且它毫无意义，因为它永远不会运行。@BradGilbert，我在做了一些研究并查看了一些规范之后补充说，但是现在我读到autodie是默认的，这很好。“还在打网球吗？”Christopher Bottoms，我不认为把一个10GB的文件拖到内存中是一项工作，所以我删除了你的编辑。有更好的方法来定位文件中的块。
.say if /Cluster \s+ Unique/ ff^ /^\s*$/ for lines;

.say                    # print the default variable $_
if                      # do the previous action (.say) "if" the following term is true
/Cluster \s+ Unique/    # Match $_ if it contains "Cluster Unique"
ff^                     # Flip-flop operator: true until preceding term becomes true
                        #                     false once the term after it becomes true
/^\s*$/                 # Match $_ if it contains an empty line
for                     # Create a loop placing each element of the following list into $_
lines                   # Create a list of all of the lines in the file
;                       # End of statement

for lines() {
    .say if (
        $_ ~~ /Cluster \s+ Unique/  ff^  $_ ~~ /^\s*$/
    )
}

my $fname = 'data.txt';

my $infile = open(
    $fname, 
    nl => "\n\n",   #Set what perl considers the end of a line.
);  #Removed die() per Brad Gilbert's comment. 

for $infile.lines() -> $para {  
    if $para ~~ /^ 'Cluster Unique'/ {
        say $para.chomp;
        last;   #Quit reading the file.
    }
}

$infile.close;

#    ^                   Match start of string.
#   'Cluster Unique'     By default, whitespace is insignificant in a perl6 regex. Quotes are one way to make whitespace significant.