什么本机Perl代码取代了“cut”？

我在学习Perl的同时编辑了一个Perl脚本，以替换Posix OS对本机Perl函数的调用，以便在Windows上跨平台使用。这段代码让我感到困惑：

if (defined($OPTIONS)) {
    my ($method,$file) = ($1,$2);
    my $count = `cut -d\\  -f 2 $file | sort | uniq | wc -l`;
}

1）

$1

和

$2

来自哪里？此代码位于函数内部，但函数没有任何参数。此外，脚本本身解析70多个命名参数，因此它们不构成命令行

2） 因为我不知道

$2

是什么，所以我不确定

$file

的内容

3） 无论

$file

的内容是什么，

cut

函数都会查看由反斜杠分隔的每一行的第二个字段

4） 看起来最终的结果是找到的

cut

的唯一实例的

$count

---

考虑到

$file

可能相当大（百万行，数百兆字节），要替换此外部调用并获得相同的

$count

值，最有效的本机Perl代码是什么？“高效”也是相对的。此代码位于工具链中，其他阶段可以运行2或3天。因此，如果这段代码在一个大文件上需要5到10分钟，这不是问题。

那么$1和$2是以前定义的变量。没有额外的代码，不知道如何/在哪里/为什么，但命令可以分解如下：

my $count = `cut -d\\  -f 2 $file | sort | uniq | wc -l`;

-d、 将分隔符设置为\（\用于转义\，因为它是一个特殊字符）-f、 告诉cut提取第二个字段（第一个和第二个分隔符之间的内容）

示例：

cut -d\\ -f 2 <<< $(echo "FIELD 1\FIELD2\THE_REMAINDER")

通过管道的其余命令如下所示：

my $count = `cut -d\\  -f 2 $file | sort | uniq | wc -l`;

sort

将获取字段列表并按降序排列

uniq

将删除重复项

wc-l

将给出列表中条目数的最终总数（实际上是行数）

---

因此，为了用非基于unix的解决方案复制这一点，您需要通过

Perl

系统地完成这些步骤中的每一步。这应该不难做到，所以我省略了这一部分。请随时用您尝试过的内容更新您的问题，我相信会提供大量帮助，因为这是一个非常有趣的挑战。IMHO。

$1

$2
等是内部Perl变量，包含第一个、第二个等的内容。从最近成功的正则表达式模式匹配中捕获

这应该是你想要的。它使用散列来跟踪第二列的所有唯一值，并在文件被读取时将
$count
设置为不同键的数目。它可能比工具链的速度稍快。请注意，这是未经测试的，因为我目前还没有接近使用Perl的系统

我希望在这段代码的真实版本中有更多的东西，因为它的唯一效果是更改块末尾丢弃的几个局部变量的值

if ( defined $OPTIONS ) {
    my ($method, $file) = ($1, $2);
    open my $fh, '<', $file or die qq{Unable to open "$file" for input: $!};
    my %count;
    ++$count{ (split /\\/, $_, 3)[1] } while <$fh>;
    my $count = keys %count;
}

if（定义的$OPTIONS）{
我的（$method，$file）=（$1，$2）；
打开我的$fh，'您需要向我们展示函数中在此之前的内容。我猜，
$1
和
$2
来自字符串匹配。至于
剪切
，请参见。谢谢。Perl有很多疯狂的保留变量。我不确定$1，$2是否属于该类别。它们现在变得无关紧要。Re手册页是我了解分隔符、字段和$file值。我正在寻找本机Perl代码来替换它。它是否像open（）一样直接，regex是第二个字段，将结果添加到散列中，并在完成时将散列大小报告为
$count
？或者Perl有更好的方法来做到这一点吗？“数百兆字节”还不错。500MB从磁盘读取大约需要5秒钟，提取第二个字段的相关处理时间将是微不足道的。我看不出
排序的意义，尤其是在
uniq
之前，如果结果只是行计数的话。另外，
排序
按升序排序。MattSizzle。我得到了mos我正试图用原生Perl替换这一行，以便它在Windows上运行。但是，我不熟悉Perl。谢谢，Borodin。这很有效。至于“真实版本”…这是真实的版本。它是2300行代码中的三行。其他变量在其函数中的其他位置使用。这些行设置$count，这也在其他地方使用。如果没有外部引用，此脚本现在将在非Posix系统上运行，而无需
cut
，
uniq
，
wc
，等等c、 但是可能会慢一点。这很好。是的。在一个200行的小测试数据集上进行测试。在生产环境中进行测试需要更长的时间。正如我所写的，它可能会稍微快一点。但是
$count
变量只能在
my
声明和下一行的右括号之间访问。它不可用在
if
旁边。这同样适用于您的原始代码。是的，在
if
中有两行代码使用了
$count
值。为了简洁起见，我从这个示例中删除了它们。感谢您的澄清。