Perl读取、查找和告诉文本文件。正在读取的字节太多。层和换行处理

我有一个Perl脚本，它分析一个文本文件（可以是UNIX或windows的行尾），当它找到感兴趣的内容时，存储文件偏移量

open(my $fh, $filename);
my $groups;
my %hash;
while(<$fh>) {
   if($_ =~ /interesting/ ) {
      $hash{$groups++}{offset} = tell($fh);
   }
}
close $fh;

打开（我的$fh，$filename）；
我的$组；
我的%hash；
while（）{
如果（$\=~/interest/）{
$hash{$groups++}{offset}=tell（$fh）；
}
}
收盘价$fh；

随后在脚本中，我希望生成文本文件的“n”个副本，但在每个“有趣”区域都有额外的内容。为了实现这一点，我通过偏移量的散列循环：

foreach my $group (keys %hash) {
   my $href = $hash{$group};
   my $offset = $href->{offset};

   my $top;
   open( $fh, $file);
   read( $fh, $top, $offset);
   my $bottom = do{local $/; <$fh>};
   close $fh;

   $href->{modified} = $top . "Hello World\n" . $bottom;
}

foreach my$组（关键字%hash）{
my$href=$hash{$group}；
我的$offset=$href->{offset}；
我的$top；
打开（$fh，$file）；
读取（$fh，$top，$offset）；
my$bottom=do{local$/；}；
收盘价$fh；
$href->{modified}=$top.“Hello World\n”。$bottom；
}

问题是read命令读取的字节太多。我怀疑这是一个行尾问题，因为输出的字节数（chars？）与行号相同。使用记事本++时，

tell（）

命令将返回到感兴趣点的实际偏移量，但在

read（）

中使用该偏移量值将返回超过感兴趣点的字符

open(my $fh, $filename);
my $groups;
my %hash;
while(<$fh>) {
   if($_ =~ /interesting/ ) {
      $hash{$groups++}{offset} = tell($fh);
   }
}
close $fh;

我尝试在

open（）

命令之后，在

read（）之前添加
binmode（$fh）
。这确实在文本文件中找到了正确的位置，但随后我得到了（CR+CRLF）输出，文本文件中充满了双回车

我玩过layers:crlf，：bytes，但没有改进

有点卡住了
 

具有连续整数范围作为键的哈希应该是数组

每次出现
/interest/

听起来你需要做的就是

open(my $fh, $filename);
while (<$fh>) {
  print;
  print "Hello World\n" if /interesting/;
}

打开（我的$fh，$filename）；
而（）{
印刷品；
如果/interest/，则打印“Hello World\n”；
}

从
perldoc-f读取：

read FILEHANDLE,SCALAR,LENGTH,OFFSET
read FILEHANDLE,SCALAR,LENGTH

因此，当您这样做时：

read( $fh, $top, $offset);

您的
$offset
实际上是一个长度。决定你需要读多少个字符<代码>读取
不考虑行尾，它读取指定的字节数

如果要读取一行，则不要使用
read
，请使用：

seek($fh, $offset, 0);
$top = <$fh>;

seek（$fh，$offset，0）；
$top=；

您的文件中是否充满了两行新行，或者您添加了一行带有
print
语句的新行
 当输入文件不是ginormous时，我处理这个问题的标准方法是将文件插入并规范化行尾，将每一行存储为一个数组元素。有时我不得不在同一批文件中处理Windows（
CR
+
LF
）和UNIX（
LF
）以及Mac（
CR
）行结尾。同样的脚本也需要在所有三个平台上正确运行

当我不得不处理这样的事情时，我通常采取束带和背带的方式。一种应该有效的方法：

sub read_file_into_array
{
    my $file = shift;
    my ($len, $cnt, $data, @file);

    open my $fh, "<", $file         or die "Can't read $file: $!";
    seek $fh, 0, 2                  or die "Can't seek $file: $!";
    $len = tell $fh;
    seek $fh, 0, 0                  or die "Can't seek $file: $!";

    $cnt = read $fh, $data, $len;
    close $fh;

    $cnt == $len or die "Attempted to read $len bytes; got $cnt";

    $data =~ s/\r\n/\n/g;       # Convert DOS line endings to UNIX
    $data =~ s/\r/\n/g;         # Convert Mac line endings to UNIX

    @file = split /\n/, $data;  # Split on UNIX line endings

    return \@file;
}

你为什么不
seek
定位，只打开一次文件？
CRLF
不是字符。Windows文本文件的行以两个字符
CR
和
LF
或回车和换行符结尾。很难相信您的文件“充满了双回车符”。这就是我添加binmode（）时得到的结果。作为字节字符串：/*********************************************************************************/CRCRLF/*链接器脚本*/CRCRLF@Borodin事实上，这很容易让人相信。crlf正是当您使用
：crlf
层将
“\r\n”
打印到文件句柄时得到的。Perl按原样打印CR，然后将LF转换为CRLF。@cjm：可能吧，但代码中没有任何CRs打印的迹象。Chris，除了在一行末尾打印
“\n”
之外，你还打印其他内容吗？我已经尝试过简化我的示例，以避免混淆。是的，我需要生成一份完整文件的副本，其中附加了/interest/sections。文本文件实际上是一个链接器脚本，/interest/部分是.input部分。最后，Perl脚本将使用这些修改的链接器脚本中的每一个进行多线程调用LD。。我的问题是read（）命令返回的字节太多。我本以为这是的作业，但只使用
binmode$fh
应该没有问题。是的，您将在行尾获得
LF
或
CR
+
LF
，具体取决于文件的来源，但是
seek
中的值是正确的。