Perl split字符串分割函数用法指南

共计 2030 个字符，预计需要花费 6 分钟才能阅读完成。

本文和大家重点讨论一下 Perl split 函数的用法，Perl 中的一个非常有用的函数是 Perl split 函数 - 把字符串进行分割并把分割后的结果放入数组中。这个 Perl split 函数使用规则表达式（RE），如果未特定则工作在 $_变量上。

Perl 中的一个非常有用的函数是 Perl split 函数 - 把字符串进行分割并把分割后的结果放入数组中。这个 Perl split 函数使用规则表达式（RE），如果未特定则工作在 $_变量上。

Perl split 函数可以这样使用：

$info="Caine:Michael:Actor:14,LeafyDrive"; 
@personal=split(/:/,$info);

其结果是：@personal=("Caine","Michael","Actor","14,LeafyDrive");
◆如果我们已经把信息存放在 $_变量中，那么可以这样：

@personal=split(/:/);

如果各个域被任何数量的冒号分隔，可以用 RE 代码进行分割：

$_="Capes:Geoff::Shotputter:::BigAvenue"; 
@personal=split(/:+/);

其结果是：@personal=(“Capes”,”Geoff”,”Shotputter”,”BigAvenue”);

但是下面的代码：

$_="Capes:Geoff::Shotputter:::BigAvenue"; @personal=split(/:/);

的结果是：@personal=("Capes","Geoff","","Shotputter","","","BigAvenue");

这个 Perl split 函数中单词可以被分割成字符，句子可以被分割成单词，段落可以被分割成句子：

@chars=split(//,$word);
@words=split(//,$sentence); 
@sentences=split(/\./,$paragraph);

在第一句中，空字符串在每个字符间匹配，所以 @chars 数组是一个字符的数组。>>

// 之间的部分表示 split 用到的正则表达式（或者说分隔法则）
\s 是一种通配符，代表空格
+ 代表重复一次或者一次以上。
所以，\s+ 代表一个或者一个以上的空格。
split(/\s+/,$line)表示把字符串 $line, 按空格为界分开。
比如说，$line=” 你好朋友欢迎光临我的网站 jb51.net”；
split(/\s+/,$line)后得到：
你好朋友欢迎访问我的网站 jb51.net

一般用法：@somearray = split(/:+/, $string); #括号可以不要。若不指定 $string, 则对默认变量 $_操作，两斜线间为分割符，可以用正则表达式，强悍异常。

在 perl 手册里，有一个用法不多见。即：split /PATTERN/, EXPR, LIMIT；关键就是这个 LIMIT 参数，可以节省不少事情。如果使用了 LIMIT，且是正数，表示分割成不多于 LIMIT 指定的数目的域。

通过制定 LIMIT，可以在很长 (分割产生几万个元素 or 域) 的行分割操作中，只返回关键的前几列的域值，减少了内存使用及时间消耗。比如一般的基因型数据，第一列通常是材料命名，需要通过材料名的判断取舍，这时候就可以这样用。my ($firstfield) = split /\t/, $someline, 1; 如果需要前面几列的值，这样的方式对大文件效率很好：my（undef, $var1, undef, undef, undef, $var2）=split /\t/, $someline, 6;

有网友对这种方式做了测试，显示较好。引用如下：
一个文件，每行都有 18 项，各项之间用 \t 分割，使用时用到了第 6 项，折腾了几种用法

复制代码代码如下:

my @array = split("\t",$_); my $var = $array[6];   测试文件平均用时 8.2s
 my($var) = (split("\t",$_))[6];  测试平均用时 5.1s
 my(undef,undef,undef,undef,undef,undef,$var) = split("\t",$_); 平均用时 3.53s
 my(undef,undef,undef,undef,undef,undef,$var) = split("\t",$_,7); 平均用时 3.52s
 my $var = (split("\t",$_,7))[6]; 平均用时 3.53s

看来后 3 种才是王道，如果需要使用多项也可以进行进行适当的变动。不过两项如果跨度比较大，3，4 应该是不错选择，5 就只能用中间数组。

阿里云 2 核 2G 服务器 3M 带宽 61 元 1 年，有高配

腾讯云新客低至 82 元 / 年，老客户 99 元 / 年

代金券：在阿里云专用满减优惠券