如何用Perl高效实现DS代码系统中分类与代码名称的合并？

一、原始逐行脚本的高效性 #

你的第一个单行脚本其实是非常高效且适合这个需求的方案，原因如下：

• 流式处理，内存友好：它用-n逐行读取文件，不需要把整个文件加载到内存中，哪怕处理几GB大的.mch文件也不会有内存压力。
• 逻辑简单直接：通过跟踪当前分类$cat，遇到CODE行就输出分类+代码名称，没有复杂的正则回溯，执行速度快。
• 易维护：代码逻辑清晰，后续如果要修改格式或者增加处理规则，很容易调整。

完全没必要替换成更复杂的方案——这个脚本已经完美解决了你的需求，而且是最优解之一。

二、正则替换脚本的问题分析 #

你尝试的-0777全文件正则替换脚本，为什么只捕获每个分类下的最后一个代码名称？

核心原因是正则捕获组在重复匹配时会被覆盖：
你的正则里的(?:CODE \d (.*)(?s).+?(?-s))+是一个重复的非捕获组，其中的(.*)捕获组在每次匹配CODE行时都会更新它的值，当整个组匹配完成后，捕获组里只保留最后一次匹配到的内容，所以每个分类下只会输出最后一个CODE的名称。

三、如果一定要用全文件匹配的改进方案 #

如果你坚持想用一次性读取整个文件的方式处理，可以用循环匹配的方式，避免捕获组被覆盖的问题。比如下面的脚本：

perl -0777 -ne '
    my $current_cat;
    # 遍历所有CAT和对应的CODE行
    while (/
        (?:^|\G)
        (?:CAT (\V+)\s*(?s).*?)?  # 匹配分类，更新当前分类
        CODE \d (\V+)             # 匹配代码名称
        (?s).*?                   # 跳过代码内容
    /gx) {
        $current_cat = $1 if defined $1;  # 遇到新分类就更新
        print "$current_cat, $2\n" if $current_cat;
    }
' 'Mario Kart DS (USA).mch'

这个脚本用\G锚点来连续匹配，确保从上次匹配结束的位置继续查找，同时每次遇到CAT行就更新当前分类，遇到CODE行就输出对应内容，这样就能正确捕获每个分类下的所有代码名称。

不过还是要强调：原始的逐行处理脚本在性能和简洁性上都更优，除非有特殊需求，否则没必要替换。

内容的提问来源于stack exchange，提问作者noabody