功能丰富的 Perl: 一行程序 102

Ted 通过描述从打印一系列行到从尾到头地列出文件内容，演示了如何更少地使用这些简洁的一行 Perl 脚本来做更多的事。

正如老读者可能已猜到的那样，本文是“ 一行程序 101”（“功能丰富的 Perl”的上一篇专栏文章）的续篇。要理解这里的内容，务必要了解上篇文章，所以在继续阅读本文之前请看一下上篇文章。

本文的目的与上一篇相同，即要演示清晰且可重用的代码，而这些代码未必是某个程序的最简短或最有效的版本。记住了这一点，就让我们开始认识这些代码！

几年前，Tom Christiansen 在 Usenet 上贴了一个一行程序列表，对于任何 Perl 程序员而言，该列表至今仍很有趣且有用。我们将以该列表为基础查看更复杂的一行程序；该完整列表可在 tomc.txt 文件中获得（请参阅 参考资料以下载这个文件）。该列表与“One-liners 101”一文稍微有点重复，我将设法指出那些重复之处。

awk 常用于诸如将一个文本分解成几段之类的基本任务；Perl 擅长进行有目的的文本操作。因此，我们来查看第一个一行程序，它旨在将文本输入中的两列添加到脚本中。

# add first and penultimate columns
# NOTE the equivalent awk script: 
# awk '{i = NF - 1; print $1 + $i}'
perl -lane 'print $F[0] + $F[-2]'

那么这个小程序做了什么呢？几个开关是其神奇所在。 -n 开关和 -a 开关使该脚本成为对输入的包装器，该包装器根据空格将输入组成 @F 数组； -e 开关对该包装器额外添加了一条语句。实际产生的有趣代码是：

while (<>) 
{
  @F = split(' ');
  print $F[0] + $F[-2]; # offset -2 means "2nd to last element of the array"
}

另一个常见任务是打印两个标记之间或两个行号之间的文件内容。

# 1. just lines 15 to 17
perl -ne 'print if 15 .. 17'
# 2. just lines NOT between line 10 and 20
perl -ne 'print unless 10 .. 20'
# 3. lines between START and END
perl -ne 'print if /^START$/ .. /^END$/'
# 4. lines NOT between START and END
perl -ne 'print unless /^START$/ .. /^END$/'

清单 3 中第一个一行程序有个问题：它会遍历 整个文件，即使它已找到所需范围的时候。第三个一行程序就 没有这个问题，因为它将打印 START 标记和 END 标记之间的所有行。如果有八组 START/END 标记，那么第三个一行程序将打印所有八组标记中的行。

要防止出现第一个一行程序的效率低下很容易：就是使用 $. 变量，它会告知您当前的行。如果 $. 超过 15 就开始打印，而如果 $. 大于 17 就退出。

# just lines 15 to 17, efficiently
perl -ne 'print if $. >= 15; exit if $. >= 17;'

打印已经讨论得够多了，让我们做一些编辑。勿庸置疑，如果您正在测试一行程序（特别是那些 旨在修改数据的程序），那么您应该作备份。大多数程序员都认为细微的修改可能不会对一行程序产生显著改变；在编辑 Sendmail 配置或您的邮箱时可不要做那样的假设。

# 1. in-place edit of *.c files changing all foo to bar
perl -p -i.bak -e 's/\bfoo\b/bar/g' *.c
# 2. delete first 10 lines
perl -i.old -ne 'print unless 1 .. 10' foo.txt
# 3. change all the isolated oldvar occurrences to newvar
perl -i.old -pe 's{\boldvar\b}{newvar}g' *.[chy]
# 4. increment all numbers found in these files
perl -i.tiny -pe 's/(\d+)/ 1 + $1 /ge' file1 file2 ....
# 5. delete all but lines between START and END
perl -i.old -ne 'print unless /^START$/ .. /^END$/' foo.txt
# 6. binary edit (careful!)
perl -i.bak -pe 's/Mozilla/Slopoke/g' /usr/local/bin/netscape

为什么 1 .. 10 指定的行号是从第 1 行到第 10 行？请阅读“perldoc perlop”手册页。基本上， .. 运算符在一个范围内迭代。因此，该脚本并不是数 10 个 行，而是对 -n 开关生成的循环迭代 10 次（请参阅“perldoc perlrun”和清单 2，以获得该循环的示例）。

-i 开关的神奇之处在于它对 @ARGV 中的每个文件都用该脚本对该文件输出所产生的文件版本进行替代。因此， -i 开关使 Perl 成为可用于编辑文本的过滤器。 不要忘了对 -i 开关使用备份选项。在 i 之后跟着一个扩展名将使用该扩展名对已编辑的文件作备份。

请注意 -p 开关和 -n 开关的使用。当您想显式打印数据时，使用 -n 开关。 -p 开关隐式地将 print $_ 语句插入到 -n 开关所产生的循环中。因此， -p 开关更适用于对文件进行的 完全处理，而 -n 开关更适用于 选择性文件处理，这样的处理只需打印特定数据。

“One-liners 101”一文中也可以找到进行适当编辑的示例。

使文件内容反向排列并不是常见的任务，但是以下几个一行程序显示了 -n 开关和 -p 开关并不总是处理整个文件的最佳选择。

# 1. command-line that reverses the whole input by lines
#    (printing each line in reverse order)
perl -e 'print reverse <>' file1 file2 file3 ....
# 2. command-line that shows each line with its characters backwards
perl -nle 'print scalar reverse $_' file1 file2 file3 ....
# 3. find palindromes in the /usr/dict/words dictionary file
perl -lne '$_ = lc $_; print if $_ eq reverse' /usr/dict/words
# 4. command-line that reverses all the bytes in a file
perl -0777e 'print scalar reverse <>' f1 f2 f3 ...
# 5. command-line that reverses each paragraph in the file but prints
#    them in order
perl -00 -e 'print reverse <>' file1 file2 file3 ....

如果您想将整个段落或整篇文件读入到单个字符串，那么 -0 （零）标志非常有用。（它还可以使用任何字符数字，所以您可以将特殊字符用作标志。）在一个命令（ -0777 ）中读取整个文件时要小心，因为大型文件将耗尽所有内存。如果您要从尾到头读取文件的内容（例如，为了分析日期从近到远排列的日志记录），那么使用 CPAN 模块 File::ReadBackwards。另请参阅“One-liners 101”，其中显示了使用 File::ReadBackwards 进行日志记录分析的示例。

请注意清单 6 中第一和第二个脚本间的相似之处。不过，第一个脚本与第二个完全不同。区别在于 <> 在标量上下文中的使用（如第二个脚本中使用 -n ）或在列表上下文中的使用（如第一个脚本所做的）。

第三个脚本是回文检测器，它最初没有 $_ = lc $_; 段。我添加了该段以捕捉那些类似“Bob”的不完全相同的回文。

我所添加的段也可以写成 $_ = lc; ，但是我认为显式地声明 lc() 函数的对象使一行程序更清晰。

回页首

Paul Joslin 真好，给我发了一些他的一行程序，让我在本文中使用。

# replace string XYZ with a random number less than 611 in these files
perl -i.bak -pe "s/XYZ/int rand(611)/e" f1 f2 f3

这是一个过滤器，它将 XYZ 替代成小于 611（该数字是任意选择的）的随机数。请记住 rand() 函数返回 0 和该函数的参数之间的一个随机数。

请注意每次都会用 不同的随机数来替代 XYZ ，因为迭代每次都对“int rand(611)”求值。

# 1. Run basename on contents of file
perl -pe "s@.*/@@gio" INDEX
# 2. Run dirname on contents of file
perl -pe 's@^(.*/)[^/]+@$1\n@' INDEX
# 3. Run basename on contents of file
perl -MFile::Basename -ne 'print basename $_' INDEX
# 4. Run dirname on contents of file
perl -MFile::Basename -ne 'print dirname $_' INDEX

一行程序 1 和 2 是 Paul 编写的，而我用 File::Basename 模块对它们进行了重写，这就是 3 和 4。它们的目的很简单，但是任何系统管理员都会觉得这些一行程序很有用。

# 1. write command to mv dirs XYZ_asd to Asd
# (you may have to preface each '!' with a '\' depending on your shell)
ls | perl -pe 's!([^_]+)_(.)(.*)!mv $1_$2$3 \u$2\E$3!gio'
# 2. Write a shell script to move input from xyz to Xyz
ls | perl -ne 'chop; printf "mv $_ %s\n", ucfirst $_;'

对于老用户或系统管理员，基于某种模式来重命名文件是个很常见的任务。上面的几个脚本将完成两类作业：将 _ 字符前的文件名部分删除，或更改每个文件名，以便其第一个字母依照 Perl ucfirst() 函数而变成大写。

有一个被 Vladimir Lanin 称为“mmv”的 UNIX 实用程序，它也很有趣。它允许您根据简单模式来重命名文件，而且它的功能大得惊人。请参阅 参考资料部分，以获取该实用程序的链接。

回页首

下面并不是一个一行程序，但它是个相当有用的脚本，它在刚出现时充当一行程序。它与清单 7 的相似之处在于它替换了固定字符串，但诀窍在于替代该固定字符串的字符串本身在下次替换时又成了固定字符串。

这个想法来自很久以前某个新闻组上的一个贴子，但我没能找到其最初版本。倘若您要在您所有系统文件中对一个 IP 地址用另一个 IP 地址替代（例如，如果您缺省的路由器已更改了），则该脚本很有用。该脚本在要重写的文件列表中包含 $0 （在 UNIX 中，通常是脚本的名称）。

这个脚本作为一行程序来说，最终被证实太复杂，所以在要修改系统文件时，需要提供有关要执行什么的消息。

#!/usr/bin/perl -w
use Regexp::Common qw/net/; # provides the regular expressions for IP matching
my $replacement = shift @ARGV; # get the new IP address
die "You must provide $0 with a replacement string for the IP 111.111.111.111"
 unless $replacement;
# we require that $replacement be JUST a valid IP address
die "Invalid IP address provided: [$replacement]"
 unless $replacement =~ m/^$RE{net}{IPv4}$/;
# replace the string in each file
foreach my $file ($0, qw[/etc/hosts /etc/defaultrouter /etc/ethers], @ARGV)
{
 # note that we know $replacement is a valid IP address, so this is
 # not a dangerous invocation
 my $command = "perl -p -i.bak -e 's/111.111.111.111/$replacement/g' $file";
 print "Executing [$command]\n"; 
 system($command);
}

请注意 Regexp::Common 模块的使用，它是当今任何 Perl 程序员都必不可少的资源。没有 Regexp::Common，您将耗费大量时间尝试手工匹配某个数字或其它常用模式，而且很可能出错。