Question

我目前正在循环显示某些特征的日志文件。如果它是重复的，我必须检查一个唯一的字符串，如果该字符串是重复的，则忽略该日志。目前，我的代码需要花费大量的时间来运行（或者我在无限循环中）yippey。有没有更好的方法从文件中提取重复项并检查它们的唯一性？

close($handle);

$test = "testFile.txt";

open( $handle, '<', $domainAnalysis ) or die "Cannot open file: $!";
open( $hand,   '>', $test )           or die "Cannot open file: $!";

my %uniq;

while ( $search = <$handle> ) {

    if ( $search =~ /Mail ID: ([^:]*)\n/g ) {
        $uniq{$search}++;
    }

    my @sortedHash = sort keys %uniq;

    foreach $i (@sortedHash) {

        if ( $i eq $search ) {
            print $hand $search;
            print $hand scalar <$handle> for 1 .. 2;
        }
    }
}

非常感谢任何帮助。我有点卡住了。

编辑：

它当前正在读取日志文件并将所需信息提取到新文件中。新文件以此

的格式打印

Mail ID: b12342534  
Domain : someEmail@email.com  
Status Message = Sent  

Mail ID: a32432234  
Domain : someEmail@email.com  
Status Message = Deferred

输出：好，程序永远不会停止。它需要永远，我的耐心不会让它一直运行。

Answer 1

我很确定你的问题是内循环 - 当你迭代日志时，可能你会积累大量的'邮件ID'条目。

每个循环，你将它们全部排序，然后迭代它们并比较它们。

而且 - 更重要的是 - 你在每个哈希中插入的$search是EACH LINE，这意味着它会变得越来越大。

无论如何 - 我建议您提供输入数据，首先使用$/：

local $/ = ''; #read in paragraph mode.  
my %seen; 
while ( <$input> ) { 
    my ( $id ) = m/Mail ID: ([^:]*)/;
    print unless $seen{$id}++; 
}

这将仅在第一次发现特定邮件ID时打印。

（当然，如果您只想打印重复，您可以使用'if'而不是'除非'）

Answer 2

首先，没有必要迭代哈希的所有键;它打破了哈希的整个点

假设你想要arra $arr[3]的元素@arr，你会写这个吗？

for my $i ( 0 .. $#arr ) {
    if ( $i == 3 ) {
        print "Found: $arr[$i]\n";
    }
}

因此您可以使用%uniq

访问任何以前存在的$uniq{$search}元素

其次，您可以简单地测试%uniq的元素在递增时是否为零

喜欢这个

my $test           = 'testFile.txt';
my $domainAnalysis = '...';

open my $handle, '<', $domainAnalysis or die qq{Cannot open "$domainAnalysis": $!};
open my $hand,   '>', $test           or die qq{Cannot open "$test": $!};

my %uniq;

while ( my $search = <$handle> ) {

    next unless $search =~ /^Mail ID:/;

    if ( $uniq{$search}++ ) {
        print $hand $search;
        print $hand scalar <$handle> for 1 .. 2;
    }
}

您必须始终 use strict和use warnings 'all'并声明所有变量my尽可能接近首次使用的位置

$hand和$handle是文件句柄的可怕名称！

有没有更好的方法从Perl中的文件中提取重复的字符串？

2 个答案: