從一批文件中刪除項目的更優雅的解決方案？

Question

好的，這對我自己的學習來說比實際需要更多。

我有以下格式文件：

Loading parser from serialized file ./englishPCFG.ser.gz ... done [2.8 sec]. 
Parsing file: chpt1_1.txt 
Parsing [sent. 1 len. 42]: [1.1, Organisms, Have, Changed, over, Billions, of, Years, 1, Long, before, the, mechanisms, of, biological, evolution, were, understood, ,, some, people, realized, that, organisms, had, changed, over, time, and, that, living, organisms, had, evolved, from, organisms, no, longer, alive, on, Earth, .] 
(ROOT 
    (S 
    (S 
     (NP (CD 1.1) (NNS Organisms)) 
     (VP (VBP Have) 
     (VP (VBN Changed) 
      (PP (IN over) 
      (NP 
       (NP (NNS Billions)) 
       (PP (IN of) 
       (NP (NNP Years) (CD 1))))) 
      (SBAR 
      (ADVP (RB Long)) 
      (IN before) 
      (S 
       (NP 
       (NP (DT the) (NNS mechanisms)) 
       (PP (IN of) 
        (NP (JJ biological) (NN evolution)))) 
       (VP (VBD were) 
       (VP (VBN understood)))))))) 
    (, ,) 
    (NP (DT some) (NNS people)) 
    (VP (VBD realized) 
     (SBAR 
     (SBAR (IN that) 
      (S 
      (NP (NNS organisms)) 
      (VP (VBD had) 
       (VP (VBN changed) 
       (PP (IN over) 
        (NP (NN time))))))) 
     (CC and) 
     (SBAR (IN that) 
      (S 
      (NP (NN living) (NNS organisms)) 
      (VP (VBD had) 
       (VP (VBN evolved) 
       (PP (IN from) 
        (NP 
        (NP (NNS organisms)) 
        (ADJP 
         (ADVP (RB no) (RBR longer)) 
         (JJ alive)))) 
       (PP (IN on) 
        (NP (NNP Earth))))))))) 
    (. .))) 

num(Organisms-2, 1.1-1) 
nsubj(Changed-4, Organisms-2) 
aux(Changed-4, Have-3) 
ccomp(realized-22, Changed-4) 
prep_over(Changed-4, Billions-6) 
prep_of(Billions-6, Years-8) 
num(Years-8, 1-9) 
advmod(understood-18, Long-10) 
dep(understood-18, before-11) 
det(mechanisms-13, the-12) 
nsubjpass(understood-18, mechanisms-13) 
amod(evolution-16, biological-15) 
prep_of(mechanisms-13, evolution-16) 
auxpass(understood-18, were-17) 
ccomp(Changed-4, understood-18) 
det(people-21, some-20) 

我需要刪除所有不屬於重要的依存關係（最後一節）。然後保存新文件。這是我的工作代碼：

#!usr/bin/perl 
use strict; 
use warnings; 

##Call with *.txt on command line 
##EDIT TO ONLY FIND FILES YOU WANT CHANGED: 
my @files = glob("parsed"."*.txt"); 

foreach my $file (@files) { 
my @newfile; 
    open(my $parse_corpus, '<', "$file") or die $!; 
    while (my $sentences = <$parse_corpus>) { 
    #print $sentences, "\n\n"; 
     if ($sentences =~ /(\w+)\(\S+\-\d+\,\s\S+\-\d+\)/) { 
      if ($sentences =~ /subj\w*\(|obj\w*\(|prep\w*\(|xcomp\w*\(|agent\w*\(|purpcl\w*\(|conj_and\w*\(/) { 
       push (@newfile, $sentences); 
      } 

     } 
     else { 
      push (@newfile, $sentences); 
     } 
    } 
open(FILE ,'>', "select$file"); 
print FILE @newfile; 
close FILE 
} 

而改變的輸出文件的一部分：

nsubj(Changed-4, Organisms-2) 
prep_over(Changed-4, Billions-6) 
prep_of(Billions-6, Years-8) 
nsubjpass(understood-18, mechanisms-13) 
prep_of(mechanisms-13, evolution-16) 
nsubj(realized-22, people-21) 
nsubj(changed-26, organisms-24) 
prep_over(changed-26, time-28) 
nsubj(evolved-34, organisms-32) 
conj_and(changed-26, evolved-34) 
prep_from(evolved-34, organisms-36) 
prep_on(evolved-34, Earth-41) 

是否有顯著更好的方法，或者用一個更優雅的/聰明的解決方案？

感謝您的時間，這又純粹是爲了您的興趣，所以如果您沒有時間，請不要幫忙。

Answer 1

如果我理解了你的邏輯，你希望默認打印到outfile，除非遇到滿足條件的'句子'。如果你遇到第一個條件，你只想輸出到outfile，如果第二個條件也是如此。在那種情況下，我傾向於選擇「如果這樣，除非那個邏輯」，但那只是我。 ;）以下是您的代碼示例。

use strict; 
use warnings; 
use autodie; 

##Call with *.txt on command line 
##EDIT TO ONLY FIND FILES YOU WANT CHANGED: 
my @files = glob("parsed" . "*.txt"); 

foreach my $file (@files) { 
    open my $parse_corpus, '<', "$file"; 
    open my $outfile, '>', "select$file"; 
    while (my $sentences = <$parse_corpus>) { 
     if($sentences =~ /(\w+)\(\S+\-\d+\,\s\S+\-\d+\)/) { 
      next unless $sentences =~ /subj\w*\(|obj\w*\(|prep\w*\(|xcomp\w*\(|agent\w*\(|purpcl\w*\(|conj_and\w*\(/; 
     } 
     print $outfile $sentences; 
    } 
} 

我沒有試圖重構你的正則表達式。我確實發現它更符合我的效率感，即在輸入文件的同時逐行處理輸出文件。這消除了第二個循環，以及對輸出數組的需求。

此外，我使用了autodie編譯指示，而不是在每次IO操作之後指定'or die'。由於我在輸出文件上使用了一個詞法文件句柄，因此它自己關閉。與autodie結合使用，隱式關閉甚至可以啓用。