Perl脚本开发需求：读取文件并按指定规则过滤数据

输入数据格式 #

输入文件内容如下（第一行为表头）：

<name> <attr1> <attr2> <attr3> <working_area> <date>
alan x x x /path/to/alan_work/a Wed_May_17_04:17:40_2023
alan x x x /path/to/alan_work/b Sun_May_28_21:22:52_2023
alan x a x /path/to/alan_work/c Sun_May_28_22:25:47_2023
ben x x x /path/to/ben_work/a Wed_May_17_04:18:44_2023
ben a b x /path/to/ben_work/b Wed_May_17_08:19:47_2023
charles a a a /path/to/charles_work/a Wed_May_17_04:17:40_2023
charles a a a /path/to/charles_work/b Thurs_May_18_04:17:40_2023
ben x x x /path/to/ben_work/c Fri_May_19_04:18:44_2023

需求规则 #

• 针对同一用户，若存在2个及以上不同working_area对应的attr1、attr2、attr3完全相同，仅保留日期最新的working_area路径
• 若用户的某个属性组合（attr1+attr2+attr3）仅对应一个working_area，则直接保留该路径

已有代码片段 #

open(FF, '<', $temp_file) or die "cannot open $temp_file";
while (my $line = <FF>) {
  chomp $line;
  my @split_type = split(' ', $line);
#no idea here
} 

完整实现代码 #

use strict;
use warnings;
use Time::Piece;

# 跳过表头行
my $header = <FF>;

# 定义哈希结构：$data{用户名}{属性组合} = { path => 路径, timestamp => 时间戳 }
my %data;

while (my $line = <FF>) {
    chomp $line;
    # 用6作为split的第三个参数，避免路径含空格时拆分出错
    my ($name, $attr1, $attr2, $attr3, $work_path, $date_str) = split(' ', $line, 6);
    
    # 构造属性组合键，区分同一用户下不同的属性组
    my $attr_key = join('|', $attr1, $attr2, $attr3);
    
    # 将日期字符串转为时间戳，方便比较新旧
    my $t = Time::Piece->strptime($date_str, '%a_%b_%d_%H:%M:%S_%Y');
    my $timestamp = $t->epoch;
    
    # 仅保留该属性组下日期最新的记录
    if (!exists $data{$name}{$attr_key} || $timestamp > $data{$name}{$attr_key}{timestamp}) {
        $data{$name}{$attr_key} = {
            path      => $work_path,
            timestamp => $timestamp
        };
    }
}
close FF;

# 遍历哈希输出所有保留的路径
foreach my $name (keys %data) {
    foreach my $attr_key (keys %{$data{$name}}) {
        print $data{$name}{$attr_key}{path}, "\n";
    }
}

代码逻辑说明 #

1. 模块依赖：用Time::Piece模块处理日期转时间戳，避免手动解析日期的复杂操作
2. 数据结构：两层哈希%data实现分组存储，第一层按用户名分组，第二层按属性组合分组，确保同一用户同属性组只保留最新记录
3. 日期处理：通过strptime将输入的特定格式日期转为时间戳，直接用数值大小判断日期新旧
4. 记录筛选：遍历每行数据时，若当前属性组无记录或当前记录日期更新，则替换为当前记录
5. 结果输出：遍历最终的哈希结构，打印所有符合要求的工作区路径

预期输出 #

/path/to/alan_work/b
/path/to/alan_work/c
/path/to/ben_work/c
/path/to/ben_work/b
/path/to/charles_work/b

内容的提问来源于stack exchange，提问作者Blurman