regex - 确定文件是否包含特定字符串的最快方法是什么？

Question

我是 Perl 的新手，正在研究将某些文件中的字符串替换为另一个字符串的问题，我知道的唯一方法如下:

#!/usr/bin/perl  
$file = "default.properties";  
open (IN, $file) || die "Cannot open file ".$file." for read";       
@lines=<IN>;    
close IN;  

open (OUT, ">", $file) || die "Cannot open file ".$file." for write";  
foreach $line (@lines)  
{    
   $line =~ s/hello/hello hello hello/ig;    
   print OUT $line;    
}    
close OUT;

这对每个文件都一视同仁，逐个扫描每个文件的行，如果contain不包含我要替换的字符串会浪费很多时间。我想知道是否有一种方法(如哈希)来确定文件是否包含特定字符串？

附言有没有更快的方法来替换文件中的字符串，而不是依次扫描文件中的行以找到匹配的行然后替换？

Answer 1

I'm new to Perl

这与您的直接问题无关，但您应该得到一本关于 Modern Perl 的好书.

多年来 Perl 发生了巨大的变化，您使用 Perl 编写的方式也发生了变化。既然你刚刚起步，不妨做对。查看您的代码，您似乎正在沿用旧版 Perl 的编码风格。

现在回答你的问题:

this treats each file equally and scan the lines of each file one by one, it would waste a lot of time if the contain does not contain the string I want to replace. I'm wondering if there's a way (like hash) to determine if a file contains a specific string?

最后，你必须阅读整个文件。没有简单的解决方法。是的，你可以让你的代码更短，但是读取操作是逐位读取文件，而替换是逐位替换文件。更短的代码并不一定意味着它更高效。

这是用更现代的风格编写的程序。

#! /usr/bin/env perl
use strict;
use warnings;
use autodie;          # Automatically kills your program on file errors
use feature qw(say);  # Automatically adds the \n on the end.

use File::Copy;       # Gives me the "move" command

my $file = "default.properties";
open my $in_fh, "<", $file;
open my $out_fh, ">", "$file.temp";   #Can't open a file for reading and writing at the same time!

while ( my $line = < $in_fh > ) {
    chomp $line;     # I always recommend that you chomp when you read.
    $line =~ s/hello/hello hello hello/;
    say {$out_fh} $line;
}
close $in_fh;
close $out_fh;
move "$file.temp", $file;

如您所见，这仍然是一次处理一行。

以下是上面的一些项目:

• use strict; - 要求您在使用前声明变量
• use warnings; - 打印出各种警告，比如 undefined variable
• use autodie; - 在文件操作失败时自动终止您的程序。如果您忘记检查某项功能是否有效，这可以让您省去很多麻烦。
• use feature qw(say); - 实现“say”命令。这类似于 print，但会自动在末尾添加一个换行符。
• use File::Copy; - 为您提供移动命令。您不能轻松地读取和写入同一个文件。因此，我不得不为输入和输出使用不同的文件名。更好的是 File::Temp这允许您定义保证唯一的临时文件。
• open - 使用标量变量作为文件句柄。这使得将文件句柄传递给函数变得更加容易。
• while - for 循环必须在按下之前读入整个文件。 while 循环逐行读取文件。在循环读取文件时始终使用 while。

您可以消除循环，但这并不意味着代码效率更高:

#! /usr/bin/env perl
use strict;
use warnings;
use autodie;          # Automatically kills your program on file errors
use feature qw(say);

my $file = "default.properties";
open my $in_fh, "<", $file;
open my $out_fh, ">", "$file.temp";
my @lines = < $in_fh >;  #Read in all the lines at once
map { s/hello/hello hello hello/; } @lines;
say {$out_fh} join "", @lines;
close $in_fh;
close $out_fh;
move "$file.temp", $file;

这是使用 map这是一种在没有显式循环的情况下对数组进行操作的方法。这是一个难以理解的命令，但它在您传递给它的数组上充当循环。这是用花括号中包含的替换命令更改 @lines 中的每个条目。您会在 Perl 中经常看到这种情况，并且在许多情况下它比 for 循环更简洁。

最后，您可以将整个文件放入一个标量变量(包括新行)并对其进行替换:

#! /usr/bin/env perl
use strict;
use warnings;
use autodie;          # Automatically kills your program on file errors
use feature qw(say);

my $file = "default.properties";
open my $in_fh, "<", $file;
open my $out_fh, ">", "$file.temp";
my @lines = < $in_fh >;  #Read in all the lines at once
$file = join "", @lines  # Converts file to one long scalar variable
$lines =~ s/hello/hello hello hello/g;
say {$out_fh} $lines;
close $in_fh;
close $out_fh;
move "$file.temp", $file;

这样效率更高吗？我对此表示怀疑。正则表达式不是非常有效的语句，对多行、非常长的标量变量执行正则表达式不会很有效。

真正的效率是一个可读、可维护的程序。与程序实际运行的时间长度相比，您在维护上花费的时间可能要多得多。最后一个例子更难理解，可能更难修改。最好坚持使用 map 或 while 循环。