Question

我正在尝试读取给定的gzip / plain xml文件集，并根据给定的偏移量和长度值将这些文件的某些部分打印到输出xml文件中。

偏移值是散列％offhash的键，相应的键是长度。

这是我用于生成输出文件的函数 -

sub fileproc {
   my $infile = shift;
   my $outfile = shift;
   my $FILEH;
   $| = 1;
    $outfile =~ s/.gz$//;
   if($infile =~ m/\.gz$/i){
       open( $FILEH,"gunzip -c $infile | ") or die "Could not open input $infile";
   }
   else{
       open( $FILEH, "<", $infile) or die "Could not open input $infile";
   }

   open(my $OUTH, ">", $outfile) or die "Couldn't open file, $!";
   foreach my $offset (sort{$a <=> $b} keys %offhash)
   {
       my $record="";
       seek ($FILEH, $offset, 0);
       read ($FILEH, $record, $offhash{$offset}, 0);
       print $OUTH "$record";
   }
    close $FILEH;
    close $OUTH;
}

此函数适用于纯xml输入文件，但在输入文件集中有一些（或所有） .xml.gz文件时会产生一些缓冲问题。在这种情况下，输出文件包含来自某些先前读取输入（ .gz）文件的数据。

似乎问题在于 -

open( $FILEH,"gunzip -c $infile | ") or die "Could not open input $infile";

有人可以帮我解决这个问题吗？

提前致谢。

Answer 1

你只能在常规文件中搜索，而不能在程序输出或STDIN等中搜索。如果你想这样做，你需要自己添加一个缓冲层，但请注意你可能需要缓冲整个未压缩文件只是为了能够在其中寻找。

即使你没有使用外部程序进行gunzip，但是使用像IO :: Gzip这样的东西你将无法寻找，因为gzip（和其他压缩）的固有方式是有效的，你需要阅读所有内容以前的数据能够解压缩当前文件位置的数据。有很多方法可以限制必要的先前数据量，但是你需要专门准备你的gzip文件，它会变得更大。我不知道目前实现这个的任何模块，但我做了一次概念验证，所以我知道它有效。

阅读＆amp;寻找gzip文件Perl

1 个答案: