如何进行重叠合并

newfinder

各位大侠，假如有组数据data.txt，内容如下：

Name         distance
name1        dis1:1-5
name1        dis1:2-6
name1        dis1:7-9
name1        dis1:10-12
name1        dis1:11-14
name2        dis2:5-8
name2        dis2:6-12
name2        dis2:7-14
name2        dis2:14-15
name2        dis2:17-19
name2        dis2:20-22
name2        dis2:21-25
……

根据第二列来进行合并，如果有重叠的话，就进行合并，如上面的数据合并之后，如下：

Name                distance
name1        dis1:1-6
name1        dis1:7-9
name1        dis1:10-14
name2        dis2:5-15
name2        dis2:17-19
name2        dis2:20-25

请问各位这种情况怎么处理呢

q1208c

回复 1# newfinder

从这里
http://www.perlmonks.org/?node=List-to-Range%20Generation

抄来一个函数, 下面的代码, 我改了一个小地方, 以支持重复的数字.

1. #!/usr/bin/perl
   
2. 
   
3. use warnings;
   
4. use strict;
   
5. 
   
6. my %hash;
   
7. while (my $line = <DATA>) {
   
8.     chomp $line;
   
9.     my ($head, $data) = split(/:/, $line);
   
10.     if (defined $data) {
    
11.         $data =~ s/-/\.\./g;
    
12.         if (defined $hash{$head}) {
    
13.             $hash{$head} .= ','.$data;
    
14.         } else {
    
15.             $hash{$head} = $data;
    
16.         }
    
17.     } else {
    
18.         print $line, "\n";
    
19.     }
    
20. }
    
21. foreach my $key (keys (%hash)) {
    
22.    
    
23.     foreach my $range (split(/,/, num2range(eval $hash{$key}))){
    
24.         print $key, ":", $range, "\n";
    
25.     }
    
26. }
    
27. 
    
28. sub num2range
    
29. {
    
30.     local $_ = join "," => sort {$a <=> $b} @_;
    
31.     s/(?<!\d)(\d+)(?:,((??{$++1})|(??{$+})))+(?!\d)/$1-$+/g;
    
32.     return $_;
    
33. }
    
34. 
    
35. __DATA__
    
36. Name         distance
    
37. name1        dis1:1-5
    
38. name1        dis1:2-6
    
39. name1        dis1:7-9
    
40. name1        dis1:10-12
    
41. name1        dis1:11-14
    
42. name2        dis2:5-8
    
43. name2        dis2:6-12
    
44. name2        dis2:7-14
    
45. name2        dis2:14-15
    
46. name2        dis2:17-19
    
47. name2        dis2:20-22
    
48. name2        dis2:21-25
    
49. 
    
50. 
    

复制代码

1. $ perl 1.pl
   
2. Name         distance
   
3. name1        dis1:1-14
   
4. name2        dis2:5-15
   
5. name2        dis2:17-25
   

复制代码

os4fun

来个丑陋的，局限于数据本身的规律。唯一好处是超大数据时候比楼上省资源
code包含的代码里连续的两个$$会被吃掉一个？  我用4个$$，送2个给他吃:wink:

1. $cat b
   
2. #!/usr/bin/perl
   
3. use warnings;
   
4. use strict;
   
5. sub merge_range {
   
6.         my ($val_min, $val_max, $v_min, $v_max) = @_;
   
7.         $$val_max >= $$v_min && { $$v_min = $$val_min, return 0} || 1;
   
8. }
   
9. 
   
10. BEGIN { *ARGV = *DATA unless @ARGV }
    
11. print scalar <>;
    
12. 
    
13. my ($key, $val_min, $val_max) = split /[:-]/, <>;
    
14. while(<>) {
    
15.         my ($k, $v_min, $v_max) = split /[:-]/;
    
16.         print "$key:$val_min-$val_max" if $k ne $key or merge_range(\$val_min, \$val_max,\$v_min, \$v_max);
    
17.         ($key, $val_min, $val_max) = ($k, $v_min, $v_max);
    
18. }
    
19. print "$key:$val_min-$val_max";
    
20. 
    
21. __DATA__
    
22. Name         distance
    
23. name1        dis1:1-5
    
24. name1        dis1:2-6
    
25. name1        dis1:7-9
    
26. name1        dis1:10-12
    
27. name1        dis1:11-14
    
28. name2        dis2:5-8
    
29. name2        dis2:6-12
    
30. name2        dis2:7-14
    
31. name2        dis2:14-15
    
32. name2        dis2:17-19
    
33. name2        dis2:20-22
    
34. name2        dis2:21-25
    
35. $./b
    
36. Name         distance
    
37. name1        dis1:1-6
    
38. name1        dis1:7-9
    
39. name1        dis1:10-14
    
40. name2        dis2:5-15
    
41. name2        dis2:17-19
    
42. name2        dis2:20-25
    
43. $
    

复制代码

newfinder

回复 2# q1208c
首先给大侠赞一个，但结果貌似有点有问题，输出来的时候，结果应该是这样的：

Name                distance
name1        dis1:1-6
name1        dis1:7-9
name1        dis1:10-14
name2        dis2:5-15
name2        dis2:17-19
name2        dis2:20-25

但出来的是

Name         distance
name1        dis1:1-14
name2        dis2:5-15
name2        dis2:17-25

不知道哪个地方有点出入

   

newfinder

回复 3# os4fun
这个可以，32个赞哟！！！
多谢！！！

   

q1208c

回复 4# newfinder

6后面就是7, 所以, 1-7应该是连在一起的. 因为我用的是列表.

你的合并方式, 只合并了重叠部分, 并没有合并连续部分.

如果你的需求就是不合并连续部分, 我的代码有问题的.
   

飞越地平线

回复 3# os4fun
看不太懂啊。
BEGIN { *ARGV = *DATA unless @ARGV }
这句大概可以猜出*ARGV = *DATA的意思。但是BEGIN{     }是什么意思呢？


   

q1208c

回复 3# os4fun

有个小问题, 如果进来的顺序是乱序的, 好象处理不了.
   

newfinder

回复 6# q1208c
哦，这样子啊……
我想要的是那种不连续的，只合并重叠的部分，不知道怎么改一下

   

q1208c

回复 9# newfinder

只合并重叠的话, 可以参考3楼的代码, 只要在处理之前增加一个排序就可以了. 不过, 排序的算法可能要重写一下.