示例数据:
name,25,female name,24,male name,27,female name,21,male 在第二个数字列上排序后期望的最终结果:
name,21,male name,24,male name,25,female name,27,female
由于CSV是一个相当复杂的格式,最好使用一个模块来为我们完成工作。
以下是使用Text::CSV模块的示例:
#!/usr/bin/env perl
use strict;
use warnings;
use constant AGE => 1;
use Text::CSV;
my $csv = Text::CSV->new();
my @rows;
while ( my $row_ref = $csv->getline( \*DATA ) ) {
push @rows, $row_ref;
}
@rows = sort { $a->[AGE] <=> $b->[AGE] } @rows;
for my $row_ref (@rows) {
$csv->combine(@$row_ref);
print $csv->string(), "\n";
}
__DATA__
name,25,female
name,24,male
name,27,female
name,21,male
在始终有另一种方法的精神下,记住普通的GNU sort可能已经足够了。
$ sort -t, -k2 -n unsorted.txt
name,21,male
name,24,male
name,25,female
name,27,female
命令行参数的位置:
-t, # use comma as the record separator
-k2 # sort on the second key (record) in the line
-n # sort using numerical comparison (like using <=> instead of cmp in perl)
还有 DBD::CSV:
#!/usr/bin/perl
use strict; use warnings;
use DBI;
my $dbh = DBI->connect('dbi:CSV:', undef, undef, {
RaiseError => 1,
f_ext => '.csv',
csv_tables => { test => { col_names => [qw' name age sex '] } },
});
my $sth = $dbh->prepare(q{
SELECT name, age, sex FROM test ORDER BY age
});
$sth->execute;
while ( my @row = $sth->fetchrow_array ) {
print join(',' => @row), "\n";
}
$sth->finish;
$dbh->disconnect;
输出:
姓名,21岁,男性 姓名,24岁,男性 姓名,25岁,女性 姓名,27岁,女性
原帖中要求不使用第三方模块(我理解为不使用来自CPAN的任何东西)。虽然这种限制会极大地限制你编写良好的现代Perl代码的能力,但在这种情况下,可以使用(核心)Text::ParseWords模块来替代(非核心)Text::CSV。因此,从Alan的示例中大量借鉴,我们得到:
#!/usr/bin/env perl
use strict;
use warnings;
use Text::ParseWords;
my @rows;
while (<DATA>) {
push @rows, [ parse_line(',', 0, $_) ];
}
@rows = sort { $a->[1] <=> $b->[1] } @rows;
foreach (@rows) {
print join ',', @$_;
}
__DATA__
name,25,female
name,24,male
name,27,female
name,21,male
当你提供自己的比较代码时,可以对任何内容进行排序。只需使用正则表达式提取所需元素,或在这种情况下可能使用分割,然后在该元素上进行比较。如果有很多元素,我会将数据解析为一个列表的列表,然后比较代码可以访问它而无需解析。这将消除重复解析同一行,因为它与其他行进行比较。
使用 Raku(前身为 Perl6)
这是一个相当快速且简单的解决方案,主要用于“手动制作”的 CSV。只要每行只有一个(1)年龄,代码就可以正常工作:读取行$a
,组合 1 到 3 个被逗号包围的<digit>
并分配给 @b
,派生排序索引 $c
,使用 $c
对行 $a
进行重新排序:
~$ raku -e 'my $a=lines(); my @b=$a.comb(/ \, <(\d**1..3)> \, /).pairs; my $c=@b.sort(*.values)>>.keys.flat; $a[$c.flat]>>.put;' sort_age.txt
name,21,male
name,24,male
name,25,female
name,27,female
我在OP的输入文件中添加了一些虚拟行,以查看上面的代码如何处理以下情况:1)空年龄字段,2)空字符串“”作为年龄,3)虚假的“9999”作为年龄,以及4)虚假的“NA”作为年龄。上面的代码失败得很惨。要修复这个问题,您必须编写一个三元运算符,当正则表达式无法匹配一行时插入数值占位符(例如零)。
下面是一个更长但更强大的解决方案。请注意-我使用占位符值999
将具有空/无效年龄的行移动到底部:
~$ raku -e 'my @a=lines(); my @b = do for @a {if $_ ~~ m/ \, <(\d**1..3)> \, / -> { +$/ } else { 999 }; }; my $c=@b.pairs.sort(*.values)>>.keys.flat; @a[$c.flat]>>.put;' sort_age.txt
name,21,male
name,24,male
name,25,female
name,27,female
name,,male
name,"",female
name,9999,male
name,NA,male
$c
的方法链末尾添加 .reverse
。同样,更改 else
占位符参数以将没有有效年龄的行移动到顶部或底部。此外,可以使用三元运算符编写上面的 @b
创建: my @b = do for @a {(m/ \, <(\d**1..3)> \, /) ?? +$/ !! 999 };
作为替代方案。
以下是未排序的输入文件:
$ cat sort_age.txt
name,,male
name,"",female
name,9999,male
name,NA,male
name,25,female
name,24,male
name,27,female
name,21,male
HTH.
#!/usr/bin/perl
use warnings;
use strict;
my @rows = map { chomp; [split /[,\s]+/, $_] } <DATA>; #read each row into an array
my @sorted = sort { $a->[1] <=> $b->[1] } @rows; # sort the rows (numerically) by second column
for (@sorted) {
print join(', ', @$_) . "\n"; # print them out as CSV
}
__DATA__
name,25,female
name,24,male
name,27,female
name,21,male
split /,/
很诱人,但这对于微软风格的 CSV 文件来说绝不够好。我认为即使对于Unix冒号分隔的foocap文件也不够好。 - tchrist