如何统计数组中同词形行数并在新数组插入计数器（Perl）

我来帮你搞定这个计数需求！因为你的输入文件已经是排序后的，相同词形都是连续出现的，咱们可以利用这个特点来高效统计次数，不用额外的哈希表（当然用哈希也能做，但连续的情况直接遍历更简单）。

核心思路 #

1. 初始化计数器、当前词形、当前原型三个变量，用来跟踪当前正在统计的词形组
2. 遍历每一行，拆分出词形和原型
3. 遇到和当前词形相同的行，计数器+1；遇到不同的，就把之前统计好的结果写入输出数组，然后重置计数器和当前跟踪的变量
4. 遍历结束后，别忘了把最后一组的统计结果也写入输出数组（循环里不会处理最后一组）

修改后的完整代码 #

# 初始化变量
my $count = 1;
my ($current_form, $current_lemma);
my @lines_out;

foreach my $line (@lines) {
    # 先把当前行拆分成词形和原型（比你原来的正则更准确，避免匹配到中间的WORD）
    if ($line =~ /^(.+)WORD(.+)$/) {
        my $form = lc $1; # 转小写统一比较，避免大小写差异导致统计错误
        my $lemma = $2;

        # 处理第一行的情况：初始化当前跟踪的变量
        if (!defined $current_form) {
            $current_form = $form;
            $current_lemma = $lemma;
            next;
        }

        # 如果当前词形和正在跟踪的词形相同，计数器加1
        if ($form eq $current_form) {
            $count++;
        } else {
            # 不同的话，把之前的统计结果拼好加入输出数组
            push @lines_out, "$count $current_formWORD$current_lemma";
            # 重置计数器和跟踪变量
            $count = 1;
            $current_form = $form;
            $current_lemma = $lemma;
        }
    } else {
        # 处理格式不符合的行（可选，根据你的需求调整）
        warn "Skipping invalid line: $line";
    }
}

# 别忘了把最后一组的统计结果加入输出数组
if (defined $current_form) {
    push @lines_out, "$count $current_formWORD$current_lemma";
}

关键细节说明 #

• 计数器的位置：$count要在循环外面初始化（值为1，因为每一行至少出现一次），每次遇到相同词形就递增，遇到不同词形时重置为1。
• 插入统计结果到数组：当检测到词形变化时，把次数 + 词形 + WORD + 原型拼接成新行，push到@lines_out里；循环结束后必须处理最后一组，否则会漏掉。
• 词形比较：用lc转成小写统一比较，避免大小写差异导致统计错误（比如"Run"和"run"会被当成同一个词形）。

示例演示 #

假设你的输入@lines是：

runWORDrun
runWORDrun
RunningWORDrun
jumpWORDjump

处理后@lines_out会变成：

2 runWORDrun
1 RunningWORDrun
1 jumpWORDjump

内容的提问来源于stack exchange，提问作者fruit_alchemist