perl 处理文本

yn521yn

815 19919
1161 3453
4524 8107
14504 16533
22426 23943
23751 27377
29930 30222


我有如上的数据，第一列可以看成是起始位置，第二列为结束位置，现在想把重复的进行合并，合并后的数据如下
815 19919
22426 27377
29930 30222
请问perl语句应该如何写呢？
新手，多多指教哦！

dugu072

主要的问题，如果数据是部分覆盖，怎么处理？

yn521yn

22426 23943
23751 27377
如这种的，则22426做头，27377作尾，因为23943覆盖了23751

dugu072

把问题想简单了，竟然发现这个匹配还需要个麻烦点的算法，下面这个是示例，肯定还需要改，尤其是数据如果不是你这种从小到大的递增的话，还需要反复几次的筛选匹配。不过对你给的数据，倒是能够正常工作，自己看着完善吧～

use strict;
open( *FH, 'data.txt');
my ($from, $to);
while (<FH>) {
   chomp;
   if (/(\d+)\s+(\d+)/) {
     if($to < $1) {
        $from = $1;
        $to = $2;
        print "$. $from-$to\n";
     }elsif($to >= $1 && $from > $1) {
        $from = $1;
        $to = $to;
        print "$. $from-$to\n";
     }elsif($to >= $1 && $from < $1) {
        $from = $from;
        $to = $to; # 示例而已，如果此种情况，没必要处理
     }
   }
}

yn521yn

谢谢了，我先试试看，研究一下，我的数据已经按递增排好了，所以不用太麻烦的。
我刚刚学perl，非常感谢你的热心指导！！

blackold

1161 3453
4524 8107 哪里去了？
LZ想要的结果是什么？

blackold

这样?

1. #!/bin/perl
   
2. use warnings;
   
3. use strict;
   
4. 
   
5. open (IN,"urfile") or die "Can't open file: $!";
   
6. my($from,$to);
   
7. 
   
8. while (<IN>) {
   
9.   if(/(\d+)\s+(\d+)/) {
   
10.     if ($1 > $to) {
    
11.       print "$from $to \n" if $to;
    
12.       ($from,$to) = ($1,$2);
    
13.     } elsif ($2 > $to) {
    
14.       $to = $2;
    
15.     }
    
16.   }
    
17. }
    
18. 
    
19. print "$from $to \n";
    

复制代码

qshllxfx

#!/usr/bin/perl use warnings; use strict; my %records; my $filename = $ARGV[0]; open FILE, $filename or die "Can't open words $!, $filename\n"; while(<FILE>) {     chomp;     my ($start, $end) = split;     $records{int $start} = int $end;    } close FILE; my @starts = sort {$a <=> $b} keys %records; my $index = 0; while($index < $#starts) {     if ($starts[$index + 1] < $records{$starts[$index]})     {         $records{$starts[$index]} = $records{$starts[$index + 1]} if $records{$starts[$index]} < $records{$starts[$index + 1]};         splice @starts, $index + 1, 1;         $index--;             }     $index++; } foreach (@starts) {     print "$_--$records{$_} "; }

可能写的比较笨，但是功能实现了，简单测试通过。

假设是左闭右开区间，如果是两边都闭的话，如下加个等号就可以了。
   if ($starts[$index + 1] <= $records{$starts[$index]})

[ 本帖最后由 qshllxfx 于 2009-9-26 00:48 编辑 ]

qshllxfx

郁闷的是都转成整形了，sort的时候还要指定做数值比较

yn521yn

我看了一下几位大虾的程序，解决了我的问题，从中也学到了不少新的东东，非常感谢！
不过，dugu072的程序结果和我想要的还有一点差距，可能是我说的不太详细吧；blackold的方法很简单，借鉴了；qshllxfx的方法和我的想法很像，就是我不会写，呵呵，不过结果也是对的。
再次感谢你们，不仅帮助了我，还学习了新知识！