Qu'est-ce qui ne va pas avec le programme de compte de mots?

Question

J'ai une question dans mon test:

Quel est le problème avec le programme qui compte le nombre de lignes et de mots dans le fichier?

open F, $ARGV[0] || die $!; 
my @lines = <F>; 
my @words = map {split /\s/} @lines; 
printf "%8d %8d\n", scalar(@lines), scalar(@words); 
close(F); 

Mes sont conjectures:

1. Si le fichier n'existe pas, le programme ne nous dira pas à ce sujet.

2. S'il y a des signes de ponctuation dans le fichier, le programme va les compter, par exemple, dans

   abc cba 
   , , ,dce 
   

   sera de cinq mots, mais d'autre part wc émet le même résultat, il pourrait être considéré comme un comportement correct.

3. Si F est un fichier volumineux, il peut être préférable d'itérer sur les lignes et de ne pas le vider dans le tableau lines.

Avez-vous des idées moins triviales?

Answer 1

Sur la première ligne, vous avez un problème de priorité:

open F, $ARGV[0] || die $!; 

est le même que

open F, ($ARGV[0] || die $!); 

qui signifie que le die est exécuté si le nom de fichier est false, pas si le open échoue.Vous vouliez dire

open(F, $ARGV[0]) || die $!; 

ou

open F, $ARGV[0] or die $!; 

En outre, vous devez utiliser le formulaire 3 argument ouvert, en cas $ARGV[0] contient des caractères qui signifient quelque chose à open.

open F, '<', $ARGV[0] or die $!; 

Sur une note différente, le fractionnement sur /\s/ signifie que vous obtenez un « mot » entre un espace consécutifs. Vous avez probablement voulu dire /\s+/, ou comme suggéré amphétamachine, /\W+/, selon la façon dont vous voulez définir un "mot". Cela laisse toujours le problème du "mot" vide que vous obtenez si la ligne commence par un espace. Vous pouvez diviser ' ' pour supprimer cela (c'est un cas particulier), ou vous pouvez couper les espaces blancs en premier, ou insérer un grep { length $_ } pour éliminer les mots vides, ou abandonner split et utiliser une méthode différente pour compter les mots.

Le traitement ligne par ligne au lieu de lire tout le fichier à la fois serait également une bonne amélioration, mais ce n'est pas aussi important que ces deux premiers éléments.

Answer 2

Lorsque vous open F, $ARGV[0] || die $! quittera effectivement si le fichier n'existe pas.

Il y a quelques améliorations à apporter ici:

{local $/; $lines = <F>;} # read all lines at once 

my @words = split /\W+/, $lines; 

Answer 3

• Votre conjecture # 1 est incorrect: votre programme va mourir si le open échoue. (voir la réponse de cjm concernant l'ordre des opérations.)
• Vous utilisez un handle de fichier global plutôt qu'une variable lexicale.
• vous n'utilisez pas la forme à trois arguments de open.
• Vous pouvez simplement lire depuis stdin, ce qui donne plus de flexibilité quant à la saisie - l'utilisateur peut fournir un fichier, ou diriger l'entrée vers stdin. Enfin, je n'écrirais pas mon propre code pour analyser les mots; Je voudrais atteindre pour CPAN, dire quelque chose comme Lingua::EN::Splitter.

use strict; use warnings; 
use Lingua::EN::Splitter qw(words); 
my ($wordcount, $lines); 
while (<>) 
{ 
    my $line = $_; 
    $lines++; 
    $wordcount += scalar(words $line); 
} 

printf "%8d %8d\n", $lines, $wordcount;