regex - 使用 Perl，使用 HashMap 在数组中搜索单词

Question

我正在尝试使用散列映射在数组中搜索单词，如下例所示，但没有找到。下面的代码会将一本书读入@bookArray。然后，我想搜索@bookArray 来找到某个词。书中的单词可以被其他单词无限制地包围。

open( SEARCHWORDS, "< $encoding", $_folder . "searchwords.txt" ) or die("Input file not found.\n");
open( BOOK, "< $encoding", $_folder . "book.txt" ) or die("Input file not found.\n");

while (  $_ = <BOOK> ) {            
    push @bookArray, $_;
}
my %thebook = map {$_ => 1} @bookArray;

while (  my $searchWords = <SEARCHWORDS> ) {    

    if (exists $thebook{$searchWords}) {
        print "yeppie";
    }
}

#example of words in Book "I want to go to the store andbuy some food";
#example of search words "buy";

Answer 1

更新 已阐明目标是识别具有给定单词的句子。

---

您的 %thebook 中的每个键hash 是书中的整行。因此，当您搜索一个单词的键时，它不存在。

用你已有的词来识别一行的简单方法

foreach my $line (@bookArray)
{
    while (my $searchWords = <SEARCHWORDS>) 
    {   
        chomp $searchWords; 
        if ($line =~ /($searchWords)/) {
            print "Found $1 in: $line\n";
        }
    }
}

这是低效的，因为在每一行中搜索所有单词，并且在书籍文件已经处理之后。但对于给定的目标，它可能仍然是可以接受的。

最好翻过来，在阅读该文件时在书中的每一行中查找单词。

use warnings 'all';
use strict;

my $words_file = '...';
my $book_file  = '...';

open my $w_fh, '<', $words_file  or die "Can't open $words_file: $!";
my @search_words = <$w_fh>;
close $w_fh;
chomp(@search_words);

open my $bk_fh, '<', $book_file  or die "Can't open $book_file: $!";

while (my $line = <$bk_fh>) 
{
    chomp $line;
    foreach my $word (@search_words)
    {
        if ($line =~ /$word/) 
        {
            print "Found $word in line $.: $line\n";
        }
    }
}

每当找到一个单词时，它就会打印在它出现的每一行上。

您还可以构建书中单词的哈希值，其中每个单词都是一个键，其值是一个arrayref(数组引用)，其中包含找到它的行号。

遍历行并将每一行分解为单词，将它们添加为键。对于每个键，将该行的编号 ($.) 添加到其 arrayref 值。即使在同一行中重复发现该单词，也会添加该数字，这是多行出现的合理记录。如果不需要，这很容易改变。我们还将行存储在数组中。

while (<$bk_fh>) { 
    push @bookArray, $_;
    push @{$book_word{$_}}, $.  for split;
}

say "$_ => [ @{$freq{$_}} ]" for sort keys %freq;   # print all (long!)

split默认拆分 $_通过空格，和 <>运算符默认分配给 $_ .所以for split遍历行中的单词，做 push ...对于每个。 $.是当前正在从 $bk_fh 读取的行的行号.

如果这个词已经被看到并且作为键存在那么push只需将此行的编号添加到作为该键值的 arrayref。

Perl 的 autovivification 使遇到新词时变得简单。当表达式 $book{$_}使用新词(在 $_ 变量中)自动添加为键。同样，@{$book{$_}} expression 引用一个 arrayref 作为新词键的值，因此它创建了 arrayref。然后 push放 $.到它上面。我们不必首先手动创建这些。

参见 perlreftut供引用和perldsc用于复杂的数据结构。

然后你可以使用exists来检查每个单词。 , 如果它确实存在，则使用该单词的值打印数组中的行，这是该行在数组中的索引。

---

原帖

你可以把书中的每一行分解成单词，然后将其输入一个散列，一个大散列

while ( <BOOK> ) {        
    chomp;    
    push @bookArray, split;
}
my %thebook = map {$_ => 1} @bookArray;   # potentially very big

默认拆分 $_通过空格，而 <>默认分配给 $_ .

或者，如果您还想保留整行的数组，请对哈希执行此操作

my @bookArray = <BOOK>;
chomp @bookArray;

my %thebook = map {$_ => 1} map { split } @bookArray;  # potentially very big

然后是个别词$searchWords将(可能)成为 key 。此外，行必须是chomp -ed 删除换行符。否则有些词会有它，有些则没有。

我想补充一点——你们为什么用这种方式打开文件？关于

my $bookfile = $_folder . 'book.txt';
open my $bk_fh, '<', $bookfile  or die "Can't open $bookfile: $!";

此外，是 $_folder确实是一个包含文件夹名称的变量？对于变量名来说，这是一个冒险的选择。