Perl 将文本文件分成 block

Question

我有一个由数千篇文章组成的大型 txt 文件，我试图将它拆分成单独的文件 - 每个文件一个，我想将其另存为 article_1、article_2 等。每篇文章都以包含单词/DOCUMENTS/的行。我是 perl 的新手，任何见解都会很棒! (甚至是关于好的文档网站的建议)。非常感谢。到目前为止，我尝试过的是这样的:

#!/usr/bin/perl
use warnings;
use strict;

my $id = 0;
my $source = "2010_FTOL_GRbis.txt";
my $destination = "file$id.txt";

open IN, $source or die "can t read $source: $!\n";

while (<IN>)
  {
    {  
      open OUT, ">$destination" or die "can t write $destination: $!\n";
      if (/DOCUMENTS/)
       {
         close OUT ;
         $id++;
       }
    }
  }
close IN;

Answer 1

假设 /DOCUMENTS/ 单独出现在一行中。因此，您可以将其设为记录 分隔符。

use English     qw<$RS>;
use File::Slurp qw<write_file>;
my $id     = 0;
my $source = "2010_FTOL_GRbis.txt";

{   local $RS = "\n/DOCUMENTS/\n";
    open my $in, $source or die "can t read $source: $!\n";
    while ( <$in> ) { 
        chomp; # removes the line "\n/DOCUMENTS/\n"
        write_file( 'file' . ( ++$id ) . '.txt', $_ );
    }
    # being scoped by the surrounding brackets (my "local block"),
    close $in;    # an explicit close is not necessary
}

注意事项:

• use English 声明全局变量$RS。它的“乱七八糟的名字”是$/。参见 perldoc perlvar
• 行分隔符是默认 记录 分隔符。即文件读取的标准单位是记录。 默认，这只是一条“线”。
• 正如您将在链接的文档中找到的那样，$RS 仅采用文字字符串。因此，根据文章之间的分隔符是 '/DOCUMENTS/' 单独在一行上的想法，我指定了 newline + '/DOCUMENTS/' + newline。如果这是在线某处出现的路径的一部分，那么该特定值将不适用于记录分隔符。