Foro - Perl en Español

Bienvenido a los foros de Perl en Español, korsakof.

El tema de abrir archivos para buscar información en ellos se ha tratado algunas veces, sobre todo en el subforo de Bioinformática, ya que el problema es el mismo: buscar una cadena en uno o más archivos.

El utilizar regex o eq, pues depende.

Si, por ejemplo, leemos simplemente las líneas de los archivos, necesitaremos usar regex para localizar la IP o dominio en algún lugar de esas líneas.

Pero, si de cada línea extraemos los valores (quizás con un split()), entonces podríamos usar eq, ya que sí podemos hacer una comparación entre lo que buscamos y un campo concreto de la línea.

Esto lo puedes resolver con archivos simples de texto. Pero si el tamaño aumenta mucho, pues quizás es mejor empezar a pensar en usar una base de datos (SQLite, por ejemplo).

No creo que sea complicado el tema... depende de dónde partimos.

¿Puedes poner un ejemplo de los archivos? Aunque sean con direcciones falsas. Y luego, ejemplos de las búsquedas/comprobaciones que quieres hacer.

Con unas pocas líneas, vale. Aquellas que sean significativas.

Ya veo el problema... la entrada puede ser cualquier cosa, pero luego hay que ver si está en los archivos. Pero... ¿qué estamos buscando?

Quiero decir: una URI se compone de varios componentes: esquema, autoridad, ruta, consulta, fragmento (en la parte de autoridad estará el nombre del servidor).

Con un módulo como URI::Split se pueden obtener esos componentes por separado. Entonces... ¿cómo hacemos la comparación entre lo que recibimos por la entrada como argumento, y el contenido de los archivos?

¿Consideramos que lo hemos encontrado si la autoridad coincide? ¿O también debe coincidir todo lo demás (ruta, consulta, fragmento, esquema)?

Dicho de otra manera: si el argumento DEBE ser igual a alguna línea de los archivos, nos valdría con hacer una simple búsqueda y hacer comparaciones con 'eq', pero si nos vale que coincide la parte de autoridad o autoridad más ruta, deberemos preprocesar todas las líneas para separar en componentes, antes de hacer las comparaciones. Y quedarnos con la comparación que más coincidencia nos dé.

Entiendo que, con una simple búsqueda de cadenas de caracteres, se localice la IP, pero no lo demás.

Me explico: con comparaciones de cadenas no podemos deducir "de forma sencilla", que de http://www.perlenespanol.com podemos encontrar perlenespanol.com.

Y tampoco podemos deducir http://perlenespanol.com/foro/posting.php, porque "nos falta" la carpeta /foro.

La solución complicada sería, extraer de la entrada los URL, dividirlos en componentes, y ver si la URL coincide con todo o parte de los componentes que estamos buscando.

O... quizás la solución sea la que comentaste antes: una búsqueda simple de cadenas de caracteres.

Se podría resolver de forma parecida a uno de los últimos mensajes puestos en el foro: lees todas las líneas de los parámetros que recibimos, y crear con ellas un patrón de expresiones regulares, separados con '|' (fácil de hacer con join()). Y ese patrón lo aplicas a cada línea del archivo de entrada. Si coincide, sacas el patrón que coincide con el contenido de la línea.

Es que eso es casi un patrón:

(http://(www[.])?)?(?:perlenespanol[.]com|67[.]222[.]138[.]90)(/lo_que_sea/pagina.html)?

En la documentación tienes información sobre la construcción de módulos:

Algunos de ellos traducidos: https://www.metacpan.org/module/ENELL/P ... b/POD2/ES/

No hay problema en crear el hash o leer las listas y ponerlo en módulos. De hecho, es algo que yo también suelo hacer, en forma de variables globales o referenciándolas con la ruta completa.