gopl-zh.github.com/ch1/ch1-03.md

## 1.3. 査找重複的行

对文件做拷貝、打印、蒐索、排序、統計或类似事情的程序都有一个差不多的程序結構：一個處理輸入的循環，在每個元素上執行計算處理，在處理的同時或最后产生输出。我們會展示一個名爲`dup`的程序的三個版本；靈感來自於Unix的`uniq`命令，其寻找相鄰的重複行。该程序使用的结构和包是个模版，可以方便地修改。

`dup`的第一個版本打印標準輸入中多次出現的行，以重复次数开头。该程序將引入`if`语句，`map`數據类型以及`bufio`包。

<u><i>gopl.io/ch1/dup1</i></u>
```go
// Dup1 prints the text of each line that appears more than
// once in the standard input, preceded by its count.
package main

import (
	"bufio"
	"fmt"
	"os"
)

func main() {
	counts := make(map[string]int)
	input := bufio.NewScanner(os.Stdin)
	for input.Scan() {
		counts[input.Text()]++
	}
	// NOTE: ignoring potential errors from input.Err()
	for line, n := range counts {
		if n > 1 {
			fmt.Printf("%d\t%s\n", n, line)
		}
	}
}
```

正如`for`循環一樣，`if`语句條件兩邊也不加括號，但是主体部分需要加。`if`语句的`else`部分是可选的，并在`if`的條件爲`false`時執行。

**映射**（`map`）存储了键/值（key/value）的集合，对集合元素, 提供常数时间的存、取或测试操作。键可以是任意類型，只要其值能用`==`運算符比较，最常见的例子是字符串；值则可以是任意类型。這個例子中的键是字符串，值是整数。內置函數`make`創建空映射，此外，它還有别的作用。4.3节讨论映射。

每次`dup`讀取一行輸入，该行被當做映射的一个键，其对应的值递增。`counts[input.Text()]++`語句等價下面兩句：

```go
line := input.Text()
counts[line] = counts[line] + 1
```

映射不含某個键時不用擔心，首次遇到新行时，等号右边的表达式`counts[line]`的值将被计算为其类型的零值，对于int`即0。

为了打印结果，我们使用了基于`range`的循环，并在`counts`这个映射上迭代。跟之前类似，每次迭代得到两个结果，键和其在映射中对应的值。映射的迭代順序并不確定，從實踐來看，该顺序随机，每次运行都会变化。这种设计是有意为之的，因为能防止程序依赖特定遍历顺序，而这是无法保证的。

继续来看`bufio`包，它使處理輸入和輸出方便又高效。`Scanner`類型是该包最有用的特性之一，它读取输入并将其拆成行或單詞；通常是處理行形式的輸入最簡單的方法。

程序使用短變量聲明創建`bufio.Scanner`类型的变量`input`。

```
input := bufio.NewScanner(os.Stdin)
```

该变量從程序的標準輸入中讀取內容。每次調用`input.Scanner`，即读入下一行，并移除行末的換行符；读取的内容可以调用`input.Text()`得到。`Scan`函数在读到一行时返迴`true`，在无输入时返迴`false`。

类似于C或其它語言里的`printf`函數，`fmt.Printf`函数对一些表达式产生格式化输出。该函数的首個參數是个格式字符串，指定后续参数被如何格式化。各個參數的格式取決於“轉換字符”（conversion character），形式为百分号后跟一個字母。举个例子，`%d`表示以十进制形式打印一個整型操作数，而`%s`則表示把字符串型操作数的值展开。

`Printf`有一大堆這種轉換，Go程序員称之为*verb*。下面的表格虽然远不是完整的规范，但展示了可用的很多特性：

```
%d          十进制整数
%x, %o, %b  16進製，8進製，2進製整数。
%f, %g, %e  浮點數： 3.141593 3.141592653589793 3.141593e+00
%t          布爾：true或false
%c          字符（rune） (Unicode碼點)
%s          字符串
%q          帶雙引號的字符串"abc"或帶單引號的字符'c'
%v          變量的自然形式（natural format）
%T          變量的類型
%%          字面上的百分号標誌（无操作数）
```

`dup1`的格式字符串中还含有制表符`\t`和换行符`\n`。字符串字面上可能含有這些代表不可見字符的**轉義字符（escap sequences）**。默認情况下，`Printf`不會換行。按照慣例，以字母`f`結尾的格式化函數，如`log.Printf`和`fmt.Errorf`，都采用`fmt.Printf`的格式化准则。而以`ln`結尾的格式化函數，则遵循`Println`的方式，以跟`%v`差不多的方式格式化參數，并在最後添加一個換行符。

很多程序要么從標準輸入中讀取數據，如上面的例子所示，要么从一系列具名文件中讀取數據。`dup`程序的下个版本读取標準輸入或是使用`os.Open`打开各个具名文件, 并操作它们。

<u><i>gopl.io/ch1/dup2</i></u>
```go
// Dup2 prints the count and text of lines that appear more than once
// in the input.  It reads from stdin or from a list of named files.
package main

import (
	"bufio"
	"fmt"
	"os"
)

func main() {
	counts := make(map[string]int)
	files := os.Args[1:]
	if len(files) == 0 {
		countLines(os.Stdin, counts)
	} else {
		for _, arg := range files {
			f, err := os.Open(arg)
			if err != nil {
				fmt.Fprintf(os.Stderr, "dup2: %v\n", err)
				continue
			}
			countLines(f, counts)
			f.Close()
		}
	}
	for line, n := range counts {
		if n > 1 {
			fmt.Printf("%d\t%s\n", n, line)
		}
	}
}

func countLines(f *os.File, counts map[string]int) {
	input := bufio.NewScanner(f)
	for input.Scan() {
		counts[input.Text()]++
	}
	// NOTE: ignoring potential errors from input.Err()
}
```

os.Open函數會返迴兩個值。第一個值是一個打開的文件類型(\*os.File)，這個對象在下面的程序中被Scanner讀取。

os.Open返迴的第二個值是一個Go語言內置的error類型。如果這個error和內置值的nil（譯註：相當於其它語言里的NULL）相等的話，説明文件被成功的打開了。之後文件被讀取，一直到文件的最後，文件的Close方法關閉該文件，併釋放占用的一切資源。如果err的值不是nil的話，那説明在打開文件的時候出了某種錯誤。這種情況下，error類型的值會描述具體的問題。我們例子里的簡單錯誤處理會在標準錯誤流中用Fprintf和%v來格式化該錯誤字符串。然後繼續處理下一個文件；continue語句會直接跳過之後的語句，直接開始執行下一個循環迭代。

我們在本書早期的例子中做了比較詳盡的錯誤處理，當然了，在實際編碼過程中，像os.Open這類的函數是一定要檢査其返迴的error值的；爲了減少例子程序的代碼量，我們姑且簡化掉這些不太可能返迴錯誤的處理邏輯。後面的例子里我們會跳過錯誤檢査。在5.4節中我們會對錯誤處理做更詳細的闡述。

讀者可以再觀察一下上面的例子，countLines函數是在其聲明之前就被調用了。在Go語言里，函數和包級别的變量可以以任意的順序被聲明，併不影響其被調用。（譯註：最好還是遵循一定的規范）

再來講講map這個數據結構，map是用make函數創建的數據結構的一個引用。當一個map被作爲參數傳遞給一個函數時，函數接收到的是一份引用的拷貝，雖然本身併不是一個東西，但因爲他們指向的是同一塊數據對象（譯註：類似於C++里的引用傳遞，實際上指針是另一個指針了，但內部存的值指向同一塊內存），所以你在函數里對map里的值進行脩改時，原始的map內的值也會改變。在我們的例子中，我們在countLines函數中插入到counts這個map里的值，在主函數中也是看得到的。

上面這個版本的dup是以流的形式來處理輸入，併將其打散爲行。理論上這些程序也是可以以二進製形式來處理輸入的。我們也可以一次性的把整個輸入內容全部讀到內存中，然後再把其分割爲多行，然後再去處理這些行內的數據。下面的dup3這個例子就是以這種形式來進行操作的。這個例子引入了一個新函數ReadFile（從io/ioutil包提供），這個函數會把一個指定名字的文件內容一次性調入，之後我們用strings.Split函數把文件分割爲多個子字符串，併存儲到slice結構中。（Split函數是strings.Join的逆函數，Join函數之前提到過）

我們簡化了dup3這個程序。首先，它隻讀取命名的文件，而不去讀標準輸入，因爲ReadFile函數需要一個文件名參數。其次，我們將行計數邏輯移迴到了main函數，因爲現在這個邏輯隻有一個地方需要用到。

<u><i>gopl.io/ch1/dup3</i></u>
```go
package main

import (
	"fmt"
	"io/ioutil"
	"os"
	"strings"
)

func main() {
	counts := make(map[string]int)
	for _, filename := range os.Args[1:] {
		data, err := ioutil.ReadFile(filename)
		if err != nil {
			fmt.Fprintf(os.Stderr, "dup3: %v\n", err)
			continue
		}
		for _, line := range strings.Split(string(data), "\n") {
			counts[line]++
		}
	}
	for line, n := range counts {
		if n > 1 {
			fmt.Printf("%d\t%s\n", n, line)
		}
	}
}
```

ReadFile函數返迴byte類型的slice，這個slice必須被轉換爲string，之後才能夠用strings.Split方法來進行處理。我們在3.5.4節中會更詳細地講解string和byte slice（字節數組）。

在更底層一些的地方，bufio.Scanner，ioutil.ReadFile和ioutil.WriteFile使用的都是*os.File的Read和Write方法，不過一般程序員併不需要去直接了解到其底層實現細節，在bufio和io/ioutil包中提供的方法已經足夠好用。

**練習 1.4：** 脩改dup2，使其可以分别打印重複的行出現在哪些文件。