如何修改Perl代码，实现两个目录文件名的子串匹配与不匹配项输出？

我看了你的代码，现在它会输出所有行，主要是几个小问题导致的，我来帮你修复并优化一下：

原代码的核心问题 #

• 数组索引越界：你在内层循环用了$j <= @b和$j <= @a，但Perl数组的索引是从0到数组长度减1的，当$j等于数组长度时，访问的是超出数组范围的空元素，这会让子串匹配始终失败，$flag一直是0，所以所有文件都被当成不匹配的输出了。
• 未处理换行符：用ls获取的文件名末尾都带着换行符，直接做substr会把换行符也算进字符串里，导致截取的子串不对，自然匹配不上。
• 嵌套循环效率低：两层循环遍历数组不仅慢，还容易出错，换成哈希表存储子串的话，检查匹配会高效很多。

优化后的代码（推荐用这个） #

这个版本用哈希表来存储子串，逻辑更清晰，效率也更高：

use strict;
use warnings;

my $sdipath = "/home/ec2-user/TRF_DATA/FinancialStatement/FINALSDI";
my $sparkpath = "/home/ec2-user/TRF_DATA/FinancialStatement/FINALSPARK";

# 获取目录下的文件列表，过滤掉目录，同时去掉换行符
my @sdi_files = grep { -f "$sdipath/$_" } split /\n/, `ls -1 $sdipath`;
my @spark_files = grep { -f "$sparkpath/$_" } split /\n/, `ls -1 $sparkpath`;

# 把SDI文件的子串存到哈希里，方便快速查找
my %sdi_subs;
foreach my $file (@sdi_files) {
    chomp $file;
    my $sub_str = substr($file, 0, -25);
    $sdi_subs{$sub_str} = $file;
}

# 检查Spark里哪些文件在SDI找不到匹配
print "Spark目录中无SDI匹配的文件：\n";
foreach my $file (@spark_files) {
    chomp $file;
    my $sub_str = substr($file, 0, -25);
    print "$file\n" unless exists $sdi_subs{$sub_str};
}

# 反过来检查SDI里哪些文件在Spark找不到匹配
my %spark_subs;
foreach my $file (@spark_files) {
    chomp $file;
    my $sub_str = substr($file, 0, -25);
    $spark_subs{$sub_str} = $file;
}

print "\nSDI目录中无Spark匹配的文件：\n";
foreach my $file (@sdi_files) {
    chomp $file;
    my $sub_str = substr($file, 0, -25);
    print "$file\n" unless exists $spark_subs{$sub_str};
}

代码解释 #

1. 文件列表处理：用ls -1确保每个文件占一行，split /\n/拆分结果，grep { -f ... }过滤掉目录（避免把目录当成文件处理），chomp去掉文件名末尾的换行符，保证子串截取准确。
2. 哈希表快速查找：把其中一个目录的文件子串存入哈希，这样遍历另一个目录时，只用O(1)的时间就能检查是否存在匹配，比嵌套循环高效太多。
3. 双向检查：既检查Spark里SDI没有的文件，也检查SDI里Spark没有的文件，覆盖所有不匹配的情况。

如果你想保留原代码结构的修复版本 #

要是你不想改哈希表的方式，只修复原代码的问题，可以用这个版本：

use strict;
use warnings;

my $sdipath="/home/ec2-user/TRF_DATA/FinancialStatement/FINALSDI";
my $sparkpath="/home/ec2-user/TRF_DATA/FinancialStatement/FINALSPARK";

my @a=`ls $sdipath`;
my @b=`ls $sparkpath`;

# 先把所有文件名的换行符去掉
chomp @a;
chomp @b;

my $flag;
foreach (my $i = 0; $i < @a; $i++) {
    my $file_sub1=substr($a[$i],0,-25);
    $flag=0; # 把flag初始化移到外层循环，避免内层循环每次重置
    for(my $j=0; $j < @b;$j++) { # 把<=改成<，避免索引越界
        my $file_sub2=substr($b[$j],0,-25);
        if ($file_sub1 eq $file_sub2) {
            $flag=1;
            last; # 找到匹配就跳出内层循环，不用继续遍历
        }
    }
    print "$a[$i]\n" if $flag == 0;
}

foreach (my $i = 0; $i < @b; $i++) {
    my $file_sub2=substr($b[$i],0,-25);
    $flag=0;
    for(my $j=0; $j < @a;$j++) { # 同样把<=改成<
        my $file_sub1=substr($a[$j],0,-25);
        if ($file_sub2 eq $file_sub1) {
            $flag=1;
            last;
        }
    }
    print "$b[$i] is missing in SDI file\n" if $flag == 0;
}

这个版本主要修复了：

• 数组索引越界的问题（把<=改成<）
• 调整$flag的初始化位置，避免内层循环每次重置导致错误
• 找到匹配后用last跳出内层循环，提升效率
• 提前chomp所有文件名，确保子串截取正确

内容的提问来源于stack exchange，提问作者nmkishore