mirror of
https://github.com/gopl-zh/gopl-zh.github.com.git
synced 2024-11-10 00:13:43 +00:00
181 lines
10 KiB
Markdown
181 lines
10 KiB
Markdown
## 1.3. 查找重复的行
|
||
|
||
对文件做拷贝、打印、搜索、排序、统计或类似事情的程序都有一个差不多的程序结构：一个处理输入的循环，在每个元素上执行计算处理，在处理的同时或最后产生输出。我们会展示一个名为 `dup` 的程序的三个版本；灵感来自于 Unix 的 `uniq` 命令，其寻找相邻的重复行。该程序使用的结构和包是个参考范例，可以方便地修改。
|
||
|
||
`dup` 的第一个版本打印标准输入中多次出现的行，以重复次数开头。该程序将引入 `if` 语句，`map` 数据类型以及 `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` 循环一样，`if` 语句条件两边也不加括号，但是主体部分需要加。`if` 语句的 `else` 部分是可选的，在 `if` 的条件为 `false` 时执行。
|
||
|
||
**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。键可以是任意类型，只要其值能用 `==` 运算符比较，最常见的例子是字符串；值则可以是任意类型。这个例子中的键是字符串，值是整数。内置函数 `make` 创建空 `map`，此外，它还有别的作用。4.3 节讨论 `map`。
|
||
|
||
（译注：从功能和实现上说，`Go` 的 `map` 类似于 `Java` 语言中的 `HashMap`，Python 语言中的 `dict`，`Lua` 语言中的 `table`，通常使用 `hash` 实现。遗憾的是，对于该词的翻译并不统一，数学界术语为*映射*，而计算机界众说纷纭莫衷一是。为了防止对读者造成误解，保留不译。）
|
||
|
||
每次 `dup` 读取一行输入，该行被当做键存入 `map`，其对应的值递增。`counts[input.Text()]++` 语句等价下面两句：
|
||
|
||
```go
|
||
line := input.Text()
|
||
counts[line] = counts[line] + 1
|
||
```
|
||
|
||
`map` 中不含某个键时不用担心，首次读到新行时，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 `map` 上迭代。跟之前类似，每次迭代得到两个结果，键和其在 `map` 中对应的值。`map` 的迭代顺序并不确定，从实践来看，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。（译注：具体可以参见这里[https://stackoverflow.com/questions/11853396/google-go-lang-assignment-order](https://stackoverflow.com/questions/11853396/google-go-lang-assignment-order)）
|
||
|
||
继续来看 `bufio` 包，它使处理输入和输出方便又高效。`Scanner` 类型是该包最有用的特性之一，它读取输入并将其拆成行或单词；通常是处理行形式的输入最简单的方法。
|
||
|
||
程序使用短变量声明创建 `bufio.Scanner` 类型的变量 `input`。
|
||
|
||
```go
|
||
input := bufio.NewScanner(os.Stdin)
|
||
```
|
||
|
||
该变量从程序的标准输入中读取内容。每次调用 `input.Scan()`，即读入下一行，并移除行末的换行符；读取的内容可以调用 `input.Text()` 得到。`Scan` 函数在读到一行时返回 `true`，不再有输入时返回 `false`。
|
||
|
||
类似于 C 或其它语言里的 `printf` 函数，`fmt.Printf` 函数对一些表达式产生格式化输出。该函数的首个参数是个格式字符串，指定后续参数被如何格式化。各个参数的格式取决于“转换字符”（conversion character），形式为百分号后跟一个字母。举个例子，`%d` 表示以十进制形式打印一个整型操作数，而 `%s` 则表示把字符串型操作数的值展开。
|
||
|
||
`Printf` 有一大堆这种转换，Go程序员称之为*动词（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：
|
||
|
||
```text
|
||
%d 十进制整数
|
||
%x, %o, %b 十六进制，八进制，二进制整数。
|
||
%f, %g, %e 浮点数： 3.141593 3.141592653589793 3.141593e+00
|
||
%t 布尔：true或false
|
||
%c 字符（rune） (Unicode码点)
|
||
%s 字符串
|
||
%q 带双引号的字符串"abc"或带单引号的字符'c'
|
||
%v 变量的自然形式（natural format）
|
||
%T 变量的类型
|
||
%% 字面上的百分号标志（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这些代表不可见字符的**转义字符（escape sequences）**。默认情况下，`Printf` 不会换行。按照惯例，以字母 `f` 结尾的格式化函数，如 `log.Printf` 和 `fmt.Errorf`，都采用 `fmt.Printf` 的格式化准则。而以 `ln` 结尾的格式化函数，则遵循 `Println` 的方式，以跟 `%v` 差不多的方式格式化参数，并在最后添加一个换行符。（译注：后缀 `f` 指 `format`，`ln` 指 `line`。）
|
||
|
||
很多程序要么从标准输入中读取数据，如上面的例子所示，要么从一系列具名文件中读取数据。`dup` 程序的下个版本读取标准输入或是使用 `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` 函数返回两个值。第一个值是被打开的文件（`*os.File`），其后被 `Scanner` 读取。
|
||
|
||
`os.Open` 返回的第二个值是内置 `error` 类型的值。如果 `err` 等于内置值`nil`（译注：相当于其它语言里的 `NULL`），那么文件被成功打开。读取文件，直到文件结束，然后调用 `Close` 关闭该文件，并释放占用的所有资源。相反的话，如果 `err` 的值不是 `nil`，说明打开文件时出错了。这种情况下，错误值描述了所遇到的问题。我们的错误处理非常简单，只是使用 `Fprintf` 与表示任意类型默认格式值的动词 `%v`，向标准错误流打印一条信息，然后 `dup` 继续处理下一个文件；`continue` 语句直接跳到 `for` 循环的下个迭代开始执行。
|
||
|
||
为了使示例代码保持合理的大小，本书开始的一些示例有意简化了错误处理，显而易见的是，应该检查 `os.Open` 返回的错误值，然而，使用 `input.Scan` 读取文件过程中，不大可能出现错误，因此我们忽略了错误处理。我们会在跳过错误检查的地方做说明。5.4 节中深入介绍错误处理。
|
||
|
||
注意 `countLines` 函数在其声明前被调用。函数和包级别的变量（package-level entities）可以任意顺序声明，并不影响其被调用。（译注：最好还是遵循一定的规范）
|
||
|
||
`map` 是一个由 `make` 函数创建的数据结构的引用。`map` 作为参数传递给某函数时，该函数接收这个引用的一份拷贝（copy，或译为副本），被调用函数对 `map` 底层数据结构的任何修改，调用者函数都可以通过持有的 `map` 引用看到。在我们的例子中，`countLines` 函数向 `counts` 插入的值，也会被 `main` 函数看到。（译注：类似于 C++ 里的引用传递，实际上指针是另一个指针了，但内部存的值指向同一块内存）
|
||
|
||
`dup` 的前两个版本以"流”模式读取输入，并根据需要拆分成多个行。理论上，这些程序可以处理任意数量的输入数据。还有另一个方法，就是一口气把全部输入数据读到内存中，一次分割为多行，然后处理它们。下面这个版本，`dup3`，就是这么操作的。这个例子引入了 `ReadFile` 函数（来自于`io/ioutil`包），其读取指定文件的全部内容，`strings.Split` 函数把字符串分割成子串的切片。（`Split` 的作用与前文提到的 `strings.Join` 相反。）
|
||
|
||
我们略微简化了 `dup3`。首先，由于 `ReadFile` 函数需要文件名作为参数，因此只读指定文件，不读标准输入。其次，由于行计数代码只在一处用到，故将其移回 `main` 函数。
|
||
|
||
<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` 函数返回一个字节切片（byte slice），必须把它转换为 `string`，才能用 `strings.Split` 分割。我们会在3.5.4 节详细讲解字符串和字节切片。
|
||
|
||
实现上，`bufio.Scanner`、`ioutil.ReadFile` 和 `ioutil.WriteFile` 都使用 `*os.File` 的 `Read` 和 `Write` 方法，但是，大多数程序员很少需要直接调用那些低级（lower-level）函数。高级（higher-level）函数，像 `bufio` 和 `io/ioutil` 包中所提供的那些，用起来要容易点。
|
||
|
||
-----
|
||
|
||
**练习 1.4：** 修改 `dup2`，出现重复的行时打印文件名称。
|