9.7 KiB
1.3. 査找重複的行
對文件做拷貝、打印、蒐索、排序、統計或類似事情的程序都有一個差不多的程序結構：一個處理輸入的循環，在每個元素上執行計算處理，在處理的同時或最後産生輸出。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，其尋找相鄰的重複行。該程序使用的結構和包是個參考范例，可以方便地脩改。
dup的第一個版本打印標準輸入中多次出現的行，以重複次數開頭。該程序將引入if語句，map數據類型以及bufio包。
gopl.io/ch1/dup1
// 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語句條件兩邊也不加括號，但是主體部分需要加。if語句的else部分是可選的，在if的條件爲false時執行。
map存儲了鍵/值（key/value）的集合，對集合元素，提供常數時間的存、取或測試操作。鍵可以是任意類型，隻要其值能用==運算符比較，最常見的例子是字符串；值則可以是任意類型。這個例子中的鍵是字符串，值是整數。內置函數make創建空map，此外，它還有别的作用。4.3節討論map。
（譯註：從功能和實現上説，Go的map類似於Java語言中的HashMap，Python語言中的dict，Lua語言中的table，通常使用hash實現。遺憾的是，對於該詞的翻譯併不統一，數學界術語爲映射，而計算機界衆説紛紜莫衷一是。爲了防止對讀者造成誤解，保留不譯。）
每次dup讀取一行輸入，該行被當做map，其對應的值遞增。counts[input.Text()]++語句等價下面兩句：
line := input.Text()
counts[line] = counts[line] + 1
map中不含某個鍵時不用擔心，首次讀到新行時，等號右邊的表達式counts[line]的值將被計算爲其類型的零值，對於int`卽0。
爲了打印結果，我們使用了基於range的循環，併在counts這個map上迭代。跟之前類似，每次迭代得到兩個結果，鍵和其在map中對應的值。map的迭代順序併不確定，從實踐來看，該順序隨機，每次運行都會變化。這種設計是有意爲之的，因爲能防止程序依賴特定遍歷順序，而這是無法保證的。
繼續來看bufio包，它使處理輸入和輸出方便又高效。Scanner類型是該包最有用的特性之一，它讀取輸入併將其拆成行或單詞；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類型的變量input。
input := bufio.NewScanner(os.Stdin)
該變量從程序的標準輸入中讀取內容。每次調用input.Scanner，卽讀入下一行，併移除行末的換行符；讀取的內容可以調用input.Text()得到。Scan函數在讀到一行時返迴true，在無輸入時返迴false。
類似於C或其它語言里的printf函數，fmt.Printf函數對一些表達式産生格式化輸出。該函數的首個參數是個格式字符串，指定後續參數被如何格式化。各個參數的格式取決於“轉換字符”（conversion character），形式爲百分號後跟一個字母。舉個例子，%d表示以十進製形式打印一個整型操作數，而%s則表示把字符串型操作數的值展開。
Printf有一大堆這種轉換，Go程序員稱之爲動詞（verb）。下面的表格雖然遠不是完整的規范，但展示了可用的很多特性：
%d 十進製整數
%x, %o, %b 十六進製，八進製，二進製整數。
%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
%% 字面上的百分號標誌（無操作數）
dup1的格式字符串中還含有製表符\t和換行符\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）。默認情況下，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的格式化準則。而以ln結尾的格式化函數，則遵循Println的方式，以跟%v差不多的方式格式化參數，併在最後添加一個換行符。（譯註：後綴f指fomart，ln指line。）
很多程序要麽從標準輸入中讀取數據，如上面的例子所示，要麽從一繫列具名文件中讀取數據。dup程序的下個版本讀取標準輸入或是使用os.Open打開各個具名文件，併操作它們。
gopl.io/ch1/dup2
// 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函數返迴兩個值。第一個值是被打開的文件(*os.File），其後被Scanner讀取。
os.Open返迴的第二個值是內置error類型的值。如果err等於內置值nil（譯註：相當於其它語言里的NULL），那麽文件被成功打開。讀取文件，直到文件結束，然後調用Close關閉該文件，併釋放占用的所有資源。相反的話，如果err的值不是nil，説明打開文件時出錯了。這種情況下，錯誤值描述了所遇到的問題。我們的錯誤處理非常簡單，隻是使用Fprintf與表示任意類型默認格式值的動詞%v，向標準錯誤流打印一條信息，然後dup繼續處理下一個文件；continue語句直接跳到for循環的下個迭代開始執行。
爲了使示例代碼保持合理的大小，本書開始的一些示例有意簡化了錯誤處理，顯而易見的是，應該檢査os.Open返迴的錯誤值，然而，使用input.Scan讀取文件過程中，不大可能出現錯誤，因此我們忽略了錯誤處理。我們會在跳過錯誤檢査的地方做説明。5.4節中深入介紹錯誤處理。
註意countLines函數在其聲明前被調用。函數和包級别的變量（package-level entities）可以任意順序聲明，併不影響其被調用。（譯註：最好還是遵循一定的規范）
map是一個由make函數創建的數據結構的引用。map作爲爲參數傳遞給某函數時，該函數接收這個引用的一份拷貝（copy，或譯爲副本），被調用函數對map底層數據結構的任何脩改，調用者函數都可以通過持有的map引用看到。在我們的例子中，countLines函數向counts插入的值，也會被main函數看到。（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）
dup的前兩個版本以"流”模式讀取輸入，併根據需要拆分成多個行。理論上，這些程序可以處理任意數量的輸入數據。還有另一個方法，就是一口氣把全部輸入數據讀到內存中，一次分割爲多行，然後處理它們。下面這個版本，dup3，就是這麽操作的。這個例子引入了ReadFile函數（來自於io/ioutil包），其讀取指定文件的全部內容，strings.Split函數把字符串分割成子串的切片。（Split的作用與前文提到的strings.Join相反。）
我們略微簡化了dup3。首先，由於ReadFile函數需要文件名作爲參數，因此隻讀指定文件，不讀標準輸入。其次，由於行計數代碼隻在一處用到，故將其移迴main函數。
gopl.io/ch1/dup3
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函數返迴一個字節切片（byte slice），必須把它轉換爲string，才能用strings.Split分割。我們會在3.5.4節詳細講解字符串和字節切片。
實現上，bufio.Scanner、outil.ReadFile和ioutil.WriteFile都使用*os.File的Read和Write方法，但是，大多數程序員很少需要直接調用那些低級（lower-level）函數。高級（higher-level）函數，像bufio和io/ioutil包中所提供的那些，用起來要容易點。
練習 1.4： 脩改dup2，出現重複的行時打印文件名稱。