perl - 在Perl中按三列用自定义条件对逗号分隔的文件进行排序

Question

我有一个逗号分隔的文本文件。我想首先按第三列，然后第二列，然后第一列对文件进行排序。

但是，我希望第3列按字母顺序排序，最长的值在前。

例如，依次为AAA，AA，A，BBB，BB，B，CCC，CC，依此类推。

输入(alpha-sort-test2.txt):

JOHN,1,A
MARY,3,AA
FRED,5,BBB
SAM,7,A
JOHN,3,AAA
JOHN,2,AAA
BETTY,2,AAA
JARROD,7,AAA
JOANNE,2,BB
AMANDA,2,DD
AMY,5,B
PETE,7,CC
MATT,4,B
SARAH,3,CCC
GEORGE,3,CC
AMANDA,3,AAA

到目前为止，我拥有的Perl代码如下:

$infile = "alpha-sort-test2.txt";
$outfile = "alpha-sort-test-sorted2.txt";

open (INFILE, "<$infile") or die "Could not open file $infile $!";
open (OUTFILE, ">$outfile");

my @array = sort howtosort <INFILE>;

foreach (@array)
{
   chomp;
   print "$_\n";
   print OUTFILE "$_\n"; 
}

sub howtosort 
{
   my @flds_a = split(/,/, $a);
   my @flds_b = split(/,/, $b);

   $flds_a[2] cmp $flds_b[2]; 
}

close INFILE;
close OUTFILE; 

当前输出(alpha-sort-test-sorted2.txt):

JOHN,1,A
SAM,7,A
MARY,3,AA
AMANDA,3,AAA
JOHN,3,AAA
JOHN,2,AAA
BETTY,2,AAA
JARROD,7,AAA
AMY,5,B
MATT,4,B
JOANNE,2,BB
FRED,5,BBB
PETE,7,CC
GEORGE,3,CC
SARAH,3,CCC
AMANDA,2,DD

所需的输出:

BETTY,2,AAA
JOHN,2,AAA
AMANDA,3,AAA
JOHN,3,AAA
JARROD,7,AAA
MARY,3,AA
JOHN,1,A
SAM,7,A
FRED,5,BBB
JOANNE,2,BB
MATT,4,B
AMY,5,B
SARAH,3,CCC
GEORGE,3,CC
PETE,7,CC
AMANDA,2,DD

提前致谢。

Answer 1

第三领域的标准有些复杂。

词法比较是逐个字符进行的，因此abc小于ax，但更长的字符串更大，其他所有条件都相等。因此，ab小于b，但ab大于a。

因此，对第三个字段的要求将这两件事混合在一起，并在中间中断了cmp。如果我们要使用cmp，则ab在b之前(正确)，但是aa在a之后(不需要)。我根本看不到如何针对此需求使用cmp。

因此，对于这些条件，这是一个非常基本的实现

use warnings;
use strict;
use feature 'say';
use Path::Tiny qw(path);  # convenience

my $file = shift // die "Usage: $0 file\n";
my @lines = path($file)->lines({ chomp => 1 });

my @sorted =
    map { $_->[0] }
    sort { custom_sort($a, $b) }
    map { [$_, split /,/]  }
    @lines;

say for @sorted;


sub custom_sort {
    my ($aa, $bb) = @_;

    # Last field for both terms, their lengths
    my ($af, $bf) = map { $_->[-1] } $aa, $bb;
    my ($len_a, $len_b) = map { length } $af, $bf;

    # Strip and return first characters and compare them lexicographically
    # Then compare lengths of original strings if needed
    # Keep going until difference is found or one string is depleted
    while (
        (my $ca = substr $af, 0, 1, "")  and
        (my $cb = substr $bf, 0, 1, "")    )
    {
        if ($ca gt $cb) {
            return 1
        }
        elsif ($ca lt $cb) {
            return -1;
        }
        elsif ($len_a < $len_b) {
            return 1
        }
        elsif ($len_a > $len_b) {
            return -1
        }
    }

    # Still here, so third field was the same; use other two criteria
    return
        $aa->[2] <=> $bb->[2]
            ||
        $aa->[1] cmp $bb->[1];
}

这将打印出所需的列表。

一些评论

在调用sort之前，我们首先形成一个arrayref，包括整个字符串及其各个字段，这样以后就不必在每次比较时都将字符串拆分了。这是Schwartzian transform

第三字段的标准:按字母顺序比较每个字符，直到找到差异为止；如果一个字符串包含在另一个字符串中，则较长者获胜。因此，abc和ab的逐字符比较在b和abc'wins'

处停止

substr中的(可选)第四个参数是对返回的子字符串的替换，该字符串在第二个和第三个参数中找到。因此，这里用空字符串替换以0开头的一个长子字符串-它将删除并返回第一个字符。这就像在数组

上使用 shift一样

如果第三个字段完全相同，则对第二个字段进行数字比较；如果它们相同，则按字母顺序比较第一个字段

比较之后，我们从排序后的arrayrefs

中检索原始字符串