Foro - Perl en Español

por **Angelmoise** » 2012-10-29 16:56 @747

Estimados:

Navegando por la web buscando solucionar un problema que tengo para crear un par de shell UNIX y manejar archivos con Perl, dado que el shell no me sirve para manejar grandes volúmenes de datos de un par de archivos planos.

Ahora bien, mi problema es el siguiente: Buscando aquí vi que hablan del termino hash. Entiendo que facilita la búsqueda de datos en un archivo. Pues bien mi problema es que tengo dos archivos; uno de 490 000 registros y otro de 290 000 registros; ambos tienen un campo común: teléfono más dos fechas separadas por ";". Debo extraer el teléfono del archivo 1 que se contenga en el archivo 2 y validar que la primera fecha del archivo 1 sea igual o mayor que la primera fecha del 2, y que la segunda fecha del primer archivo sea igual o mayor que la fecha del segundo archivo; si es así, grabo el teléfono en un archivo 3, cuyo resultado debe ser comparado con otros archivos que contiene números telefónicos.

Traté de implementar un ejemplo que saque de aquí pero no entendí cómo funciona el hash y cómo accedo a los elementos y cómo recorro el hash...

Les agradecería alguna orientación al respecto. Desde ya muchas gracias, mi versión de Perl es 5.8.4.

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

#!/usr/bin/perl
 
#use v5.8.4;
 
use POSIX qw(strftime);
 
#use autodie;
 
#recibe los archivos a procesar como parámetros 1 y 2 y el de salida3 en ARGV[0], [1], [2]
#$archivoPPS=$ARGV[0];
 
#$arch448=ARGV[1]
#$archInfoBc=ARGV[2]
 
$VarRuta = "/disk0/gesmdd/pareo/Bases/";
 
#open my $TMP448, '<', '/disk0/gesmdd/pareo/Bases/paso448.tmp';
#open my $TMPBC, '<', '/disk0/gesmdd/pareo/Bases/pasobc.tmp';
#open my $TMPANI, '>', '/disk0/gesmdd/pareo/Bases/pasoAni448.tmp';
 
open( TMP448, "/disk0/gesmdd/pareo/Bases/paso448.tmp" )    || print "paso448.tmp\n";
open( TMPBC,  "/disk0/gesmdd/pareo/Bases/pasobc.tmp" )     || print "pasobc.tmp\n";
open( TMPANI, "/disk0/gesmdd/pareo/Bases/pasoAni448.tmp" ) || print "pasoAni448.tmp\n";
 
# 1- Leemos el primer archivo, almacenando la información en el hash
my %archivo1;
 
while ( my $linea = <$TMP448> ) {
    chomp $linea;
 
    #  fono      FEC INI  FEC_FIN
    my ( $campo1, $campo2, $campo3 ) = split( ";", $linea );
    $archivo1{$campo1} =;
}
 
# 2- Leemos el segundo archivo, comparando y grabando
while ( my $linea = <$TMPBC> ) {
    chomp $linea;
    my ( $campo1, undef, $campo3 ) = split( ";", $linea, 4 );
    if ( $archivo1{"$campo1"} ) {
        printf( "%s;%s;%s", $campos[0], $TMP448{ $campos[0] }, $linea . "\n" );
        say $TMPANI $linea;
    }
}
close $TMP448;
close $TMPBC;
close $TMPANI;
Coloreado en 0.004 segundos,  usando GeSHi 1.0.8.4

Como verán aquí no estoy controlando las fechas dado a que no entiendo cómo tomarlas desde los hash y aplicar la validación que requiero hacer...

¿Podrías publicar 4 o 5 líneas de cada uno de los archivos de texto?

No queremos ver datos reales, así que los números de teléfono y demás, los falseas. Las fechas y demás campos no sensibles, las puedes dejar, claro.

El código tiene un error sintáctico, en la línea 33. No hace falta mirar más para saber que no funciona...

La definición de un hash lo tienes en la Wikipedia.

En Perl, lo tienes un perldata.

por **Angelmoise** » 2012-10-29 17:44 @780

Ok, aquí van los datos:

archivo 1

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

72212511;20100127;99990101

73212511;20120412;99990101

71212512;20041019;99990101

51212513;20110428;99990101Coloreado en 0.000 segundos,  usando GeSHi 1.0.8.4

archivo 2

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

72212510            ;20100125;20100213

72212511            ;20100125;20100213

72212512            ;20100125;20100213

72212513            ;20100125;20100213Coloreado en 0.000 segundos,  usando GeSHi 1.0.8.4

Debería sacar el 72212511

por **explorer** » 2012-10-29 18:32 @813

Vemos que es el archivo 2 el que contiene una relación única de teléfonos, mientras que es el archivo 1 el que puede contener repeticiones. Es en éste donde hay que hacer el filtrado.

Por eso primero leemos el archivo 2 y lo guardamos en memoria, en un hash, cuyas claves serán los números de teléfono, y sus valores serán un array con los dos valores de las fechas correspondientes a cada número de teléfono.

Luego, vamos leyendo el archivo 1, línea a línea, hacemos las comparaciones, y si se cumplen las reglas, sacamos fuera el número de teléfono.

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

#!/usr/bin/perl
use v5.14;
 
# Leemos el archivo 2 y lo almacenamos en memoria
my %telefonos;
 
open my $ARCHIVO2, '<', 'archivo2.csv' or die "ERROR: No puedo abrir archivo2.csv: $!\n";
 
while (<$ARCHIVO2>) {
    chomp;                                      # quitamos el carácter de fin de línea
 
    my($telefono, @fechas) = split /\s*;\s*/;   # partimos la línea leída
 
    $telefonos{ $telefono } = [ @fechas ];      # almacenamos en la estructura. Es un hash de array
}
 
close $ARCHIVO2;
 
 
# Leemos el archivo 1 y lo procesamos
open my $ARCHIVO1, '<', 'archivo1.csv' or die "ERROR: No puedo abrir archivo1.csv: $!\n";
 
while (<$ARCHIVO1>) {
    chomp;
 
    my($telefono, @fechas) = split /\s*;\s*/;
 
    if ( exists $telefonos{ $telefono }                 # "el teléfono del archivo 1 que se contenga en el archivo 2"
     and $fechas[0] >= $telefonos{ $telefono }[0]       # "validar que la primera fecha del archivo 1 sea igual o mayor que la primera fecha del 2"
     and $fechas[1] >= $telefonos{ $telefono }[1]       # "la segunda fecha del archivo 1 sea igual o mayor que la fecha del archivo 2"
    ) {
        say $telefono;                                  # lo sacamos fuera
    }
}
 
close $ARCHIVO1;
 
__END__
Coloreado en 0.002 segundos,  usando GeSHi 1.0.8.4

Los hash son muy útiles porque nos relacionan informaciones a través de las claves.

Más información y ejemplos en perldsc.

por **Angelmoise** » 2012-10-30 08:55 @413

Estimado:

Te agradezco mucho las ayuda de tu foro, ejecuté el script y apunté a los archivos que tenía que procesar y se demoró poquísimo, así es que el entusiasmo aumenta respecto de esta herramienta a tal punto que ahora voy por bases de datos y terminaré la parte final del proceso con el ejemplo de hash que me has dado. Nuevamente te agradezco muchísimo el apoyo que me has dado.

Finalmente solo me resta hacer una consulta. Yo puse en la función split():

split( ";", $linea)

y lo cambiaste por

split /\s*;\s*/;

¿Qué hacen estos símbolos: "/\s*" "\s*/" y cuál es la diferencia con ";"? ¿No es más legible ésta última?

Muy agradecido y saludos.

novato Perl

por **explorer** » 2012-10-30 10:50 @493

El ";" se refiere a que estás indicando que el delimitador de los campos es un carácter ';', pero en el segundo archivo estamos viendo que hay espacios en blanco a continuación del número de teléfono, y supongo que no quieres que formen parte del proceso de búsqueda.

Si no usáramos la expresión "\s*;\s*", entonces los espacios en blanco quedarían formando parte del número de teléfono:

Sintáxis: [ Descargar ] [ Ocultar ]

Using bash Syntax Highlighting

> perl -E '$x = "ABC     ;CDF;FGH"; @x = split ";", $x; print "[$_]\n" for @x'
[ABC     ]
[CDF]
[FGH]
Coloreado en 0.004 segundos,  usando GeSHi 1.0.8.4

En cambio, indicando que el delimitador puede contener espacios en blanco, los estaremos quitando al hacer la división:

Sintáxis: [ Descargar ] [ Ocultar ]

Using bash Syntax Highlighting

> perl -E '$x = "ABC     ;CDF;FGH"; @x = split /\s*;\s*/, $x; print "[$_]\n" for @x'
[ABC]
[CDF]
[FGH]
Coloreado en 0.002 segundos,  usando GeSHi 1.0.8.4

Más información en perldoc -f split

por **Angelmoise** » 2012-10-30 16:26 @726

Entiendo. Gracias por responder. Ahora bien, dónde puedo encontrar toda esa simbología que abarca la función split(), y finalmente mi última duda es saber si el hash trabaja como par ordenado, entonces ¿qué pasa si solo tengo que manejar un solo dato? Por ejemplo, para el ejemplo adjunto el teléfono solamente y no las fechas. ¿cómo se crea el indice del hash? y ¿cómo sería la sintaxis ya que es un solo dato?

¿Quedaría así?

# Leemos el archivo 2 y lo almacenamos en memoria
my %telefonos;
open my $ARCHIVO2, '<', 'archivo2.csv' or die "ERROR: No puedo abrir archivo2.csv: $!\n";
while (<$ARCHIVO2>) {
chomp;
my($telefono);
telefonos{ $telefono };
}
close $ARCHIVO2;

Saludos y de antemano. Gracias.

por **explorer** » 2012-10-30 16:45 @740

Angelmoise escribiste:Ahora bien, dónde puedo encontrar toda esa simbología que abarca la función split()

Ya te lo he indicado antes, pero te lo amplío:

en tu propio ordenador: ejecuta perldoc -f split (en inglés)
en la web: split (en inglés)
traducido: en el documento perlfunc, busca por la sección de split

Angelmoise escribiste:mi última duda es saber si el hash trabaja como par ordenado, entonces ¿qué pasa si solo tengo que manejar un solo dato? Por ejemplo, para el ejemplo adjunto el teléfono solamente y no las fechas. ¿cómo se crea el indice del hash? y ¿cómo sería la sintaxis ya que es un solo dato?

Si solo vamos a guardar un dato, se podría meter en un array,

push @telefonos, $telefono;

o con un hash, así:

$telefonos{ $telefono } = 1;

Más información en tu propio ordenador en perldoc perldsc, y en la Web (traducido).

Foro - Perl en Español

Problema con HASH

Problema con HASH

Publicidad

Re: Problema con HASH

Re: Problema con HASH

Re: Problema con HASH

Re: Problema con HASH

Re: Problema con HASH

Re: Problema con HASH

Re: Problema con HASH

¿Quién está conectado?