Tutorial de PERL

En la línea 4 se hacen dos cosas juntas: se asigna a una variable lo que introduce el usuario, y a esta variable se le elimina el último carácter (chop, que significa trocear, como en el chopped). Esto es necesario porque, a diferencia de otros lenguajes, PERL incluye el retorno de carro en la cadena que lee. Lo eliminamos entonces para que quede todo bonito.

ETIQUETA while (EXPR) BLOQUE
ETIQUETA while (EXPR) BLOQUE continue BLOQUE 
ETIQUETA for (EXPR;EXPR;EXPR) BLOQUE 
ETIQUETA foreach VAR (MATRIZ) BLOQUE

En la línea 5 se utiliza una construcción típica de PERL <comando> <condicional> <condición. En este caso, se sale del bucle (last) en caso de que lo que se haya leido sea la cadena vacía (recordad que previamente hemos eliminado el retorno de carro). Esta línea se podía haber sustituido por la siguientelast unless $paganini;que tiene exactamente el mismo significado (unless significa a menos que); en general, una sentencia en la que se utiliza if con una expresión verdadera se puede sustituir por otra en la que se utiliza unless con la misma expresión negada. Otras expresiones que regulan bucles son next, que ejecuta la iteración siguiente sin pasar por el resto de las órdenes del bucle, y redo, que vuelve a comenzar el bucle sin evaluar la condición.

Tabla : operadores de cadenas en PERL

lt, gt, le, ge Lexicográficamente menor, mayor, menor e igual, mayor e igual eq, ne Igual, distinto cmp Comparación de cadenas; devuelve -1, 0 o 1 x Multiplicación de cadenas "az" x 2 eq "azaz"

En esta misma línea se usa el operador !, de negación. Este operador, como otros muchos, están sacados directamente del lenguaje C, en general, los operadores en PERL son los mismos que en C, y además tienen la misma prioridad. Además, hay una serie de operadores específicos para cadenas alfanuméricas, sacados más bien del FORTRAN, y otros para ficheros que se verán  más adelante.

En la línea 10 se escribe en el fichero MANTA; como se ve, simplemente se incluye el filehandle delante de la expresión que se va a escribir. Para terminar, después de concluir el bucle se cierra el fichero⁽²⁾.

Estos primeros programas nos permiten ya tener una idea de cómo funciona PERL. En realidad, salvo algunos asuntos menores de sintaxis de variables y su declaración, es muy similar al C: por eso siempre, la primera aproximación a un programa será hacerlo tal como uno lo haría en C, para luego, cuando se tenga mayor dominio del lenguaje PERL, hacerlo de forma más perlera.

El político corrupto se da cuenta de que tiene en un fichero guardadas una serie de sobornos anteriores en un fichero; pero no le puso nombre; así que, antes de que se le vayan las cosas de la memoria y no diga nada salvo en presencia de su abogado, decide hacer un programa que le vaya preguntando cantidad por cantidad quién fue la que se la dió. Y decide hacer el siguiente programa (recuerda.pl):

Listado : Programa recuerda.pl

1 #!/usr/bin/perl 2  3 open FICHERO, "cantidades"; 4 open SALIDA, ">salida"; 5 while($linea = <FICHERO>) { 6  chop($linea); 7  print "Quien te ha dado $linea pelas? Eh?\n"; 8  chop( $menda = <STDIN> ); 9  print SALIDA "$menda $linea\n"; 10 } 11 close FICHERO; 12 close SALIDA;

Este programa utiliza las mismas estructuras que el anterior: ficheros de entrada y salida, y un bucle. Sin embargo, se usan de forma diferente. Para empezar, la sintaxis de apertura de los ficheros en las líneas 3 y 4 es diferente: se evitan los paréntesis, casi 4 bytes, que en una memoria de 512 megabytes, quieras que no, es un ahorro. El fichero cantidades se abre para lectura, por lo que no es necesario poner el símbolo <, y el fichero salida se abre para escritura.

Lo que sigue es bastante típico de la lectura de ficheros en PERL: se lee una línea del fichero abierto (usando la construcción <>, se asigna a la variable $line. Además, la línea está dentro de una condición de continuación de un bucle; efectivamente, $line será la cadena vacía, y por lo tanto falso, cuando el fichero deje de tener elementos.

El interior del bucle no aporta nada nuevo: simplemente se le eliminan los retornos de carro a lo que se lee usando chop, y se combina la entrada con lo que introduce el usuario para escribirlo en la salida. Finalmente, en las líneas 11 y 12, se cierran los ficheros.

Ahorrando energías

Como nuestro político corrupto, por su experiencia en el ramo de la construcción, ha sido nombrado delegado de Obras Públicas, tiene que pasar la mayor parte del tiempo visitando carreteras, caminos, puentes y veredas. Nada mejor, pues, que comprar un portátil AMD K6-2 para ir introduciendo las mordidas en el propio lugar donde se originen. El problema es el limitado rango de las baterías, que hacen que si hay que viajar de Albacete a Cuenca, se gaste la batería a la altura de Motilla del Palancar. Para ahorrar energía, decide modificar su programa de forma que escriba menos en el disco; es decir, que cargue todos los datos en memoria, y los guarde sólo cuando termine el bucle. Además, para no poner la excusa a la comisión del Congreso (que ya pide Anguita a voces) de que no se acuerda de nada, decide grabar también las fechas y horas de los sucesos. Escribe, con su pericia creciente en PERL, el programa memoria.pl (listado 3).

Listado : Programa memoria.pl

1 until(0) { 2  print "Cliente\n"; 3  chop( $paganini = <STDIN>); 4  last if !$paganini; 5  print "Valor inmueble\n"; 6  chop($valor = <STDIN>); 7  $comision = $valor * 0.25; 8  ($seg, $min, $hora, $dia, $mes, $anho, @zape) = localtime(time); 9  $mes++; 10  $anho+=1900; 11  $zipi = "$paganini $comision $hora:$min $dia/$mes/$anho\n"; 12  push( @mem, $zipi ); 13 }; 14  15 open (MANTA,">clientes.mas"); 16 foreach (sort @mem ) { 17  print MANTA; 18 } 19 close (MANTA);

En esta pequeña modificación del programa anterior, y en la línea 8, se introduce una nueva estructura de PERL: el array o lista. Un array se indica con el símbolo @ (arroba), aunque a cada elemento de un array nos referiremos con la notación $mem[0], ya que es un escalar. En general, tanto los operadores como las funciones en PERL se comportan de forma diferente si se trata de un entorno escalar o si se trata de un entorno de lista o vectorial. En este caso, el operador localtime devuelve una lista compuesta por los segundos, minutos y demas, tomándolo de la función time que devuelve el número de segundos transcurridos desde hace mucho tiempo (1970, para ser exactos). Además, estamos utilizando la lista @zape para contener el resto de los elementos de la hora, que no nos interesan (serían el día de la semana y cosas así). Por supuesto, también se podría haber hecho de otra forma, mucho más larga

@fecha= localtime(time);
$seg = $fecha[0];
...

En la línea 12 hay un nuevo operador, push. Este operador hace precisamente eso, achuchar un escalar o una lista al principio de otra lista (recordad que lista y array son prácticamente sinónimos). En este caso, estamos metiendo la cadena que hemos creado, $zipi, al principio de la matriz @mem (que, por cierto, tampoco hemos tenido que declarar ni dimensionar). Si queremos eliminar el primer componente de una matriz, se hace con el operador obvio, $cadena = pop(@mem);

En la línea 16 aparece una nueva orden de control de bucle: foreach, para cada, que repite el cuerpo del bucle para cada uno de los elementos de la lista que hay contenida entre paréntesis. Se puede abreviar por for, aunque también se puede comportar como lo hace en C. ¿Y cuál es la lista a la que se aplica? La que hemos creado anteriormente, pero por orden (de ahí el sort). En este caso la ordenará por orden alfabético, saliendo algo como esto

Uno 750 12:0 31/1/2000
otro 1402654 12:0 31/1/2000
otro mas 4020267 12:1 31/1/2000
y otro mas todavia 4040.25 12:1 31/1/2000

Sin embargo, dentro del bucle no parece que pase nada; y, ¿dónde diablos se ha metido la variable de bucle?. Lo que ocurre es que en estos casos PERL tiene una variable por defecto, $_, que es la variable de bucle por defecto y sobre la que actúan los operadores y funciones también por defecto. Es decir, que el bucle anterior equivaldría a

foreach $_ (sort @mem) {
    print MANTA $_;
}

Y aunque sé que ya estáis esperando que lo diga, se puede hacer de otra forma, esta vez menos PERLística; utilizando bucles normales y corrientes

for ($i = 0; $i<=$#mem; $i++) {
    print MANTA $mem[$i];
}

Ejercicios

Hacer un programa que imprima su entrada estándar en orden inverso,empezando por la última línea y acabando por la primera. Se ejecutará con unix% cat <nombre del fichero> ¦invert.pl PistasUsar la orden pop, que extrae el primer elemento de un array. Reto Hacerlo en una sola línea. $. es una variable que contiene la línea del fichero de la que se está leyendo. Teniendo esto en cuenta, crear un filtro (es decir, un programa que lea de entrada estándar y escriba en salida estándar, tal como el anterior) que imprima un fichero con el número de línea al principio de cada una. Hacer un histo(pro)gra, es decir, un programa que recoja una serie de valores numéricos (con valores reales entre 0 y 100), los distribuya en cinco cubos (del 0 al 20, entre 20 y 40, y así sucesivamente), calcule las frecuencias de cada uno de los cubos, e imprima barras horizontales cuya longitud es función de la frecuencia.

Recordando, que es gerundio

Al final del día, nuestro político corrupto reflexiona. ¿De qué sirve tanto trabajo, sin una buena contabilidad consolidada? (Además, tiene que presentarle las cuentas al señor X a fin de mes). Idea, pues, el programa que aparece en el listado 4.

Listado : Programa totales.pl

1 die "Y el fichero de clientes, ein?\n" unless $ARGV[0]; 2 while(<>) { 3  @linea = split; 4  @fecha=split(/\//,$linea[$#linea]); 5  $mesdia = "$fecha[1]-$fecha[0]"; 6  $pasta=$linea[$#linea - 2]; 7  $totalDia{$mesdia}+=$pasta; 8 } 9  10 foreach (sort keys %totalDia) { 11  print "Trinque total del dia $_ = $totalDia{$_}\n"; 12 }

Este programa, aplicado sobre el fichero clientes.mas, (resultado de una incursión en la construcción de diversas viviendas para los cuerpos de seguridad del estado y sus departamentos de investigación y desarrollo, así como otros procedentes del mundo de la enseñanza) da el siguiente resultado (o algo parecido)

C:\PROGS\PERL>perl totales.pl clientes.mas
Trinque total del dia 3-24 = 598454.75
Trinque total del dia 4-25 = 1100987
Trinque total del dia 4-26 = 487775

Este programa empieza con una advertencia: "muere si no me metes un fichero como argumento". La orden die termina el programa con un mensaje; mientras que el condicional que lo sigue comprueba que exista al menos un argumento para el programa; la matriz @ARGV contiene los argumentos pasados al programa; de forma que $#ARGV dará el índice del último argumento, o sea que si es -1, indicará que no se ha pasado ningún argumento. Y otra forma de hacerlo sería

die "Sin argumento me lamento\n" if $#ARGV < 0;

O incluso

$ARGV[0] || die "Te has quedado sin argumentos\n";

que mira lo que hay a la izquierda del || (que es el "o" lógico), y si es cierto, ejecuta lo que hay a la derecha. Recuerda, en PERL hay más bla, bla.

El siguiente bucle, que comienza en la línea 2, tiene una extraña condición para que el bucle siga; sólo los dos ángulos enfrentados. Teóricamente, debería de haber un filehandle dentro de esos ángulos (como se ha visto en un ejemplo anterior), pero en este caso, se está tomando el fichero por defecto, que es el fichero que se introduce como argumento; en caso de que no se hubiera introducido ninguno tomaría entrada estándar, es decir, que habría que introducirle cada línea mediante teclado. A la vez, y como se ha visto, esa orden toma una línea del fichero y la deposita en la variable por defecto, aunque, ojo, no le quita el retorno de carro final. Hay que tener en cuenta que los paréntesis angulares sin argumento extraen elementos del array @ARGV usando pop, y abren un fichero con ese nombre; o sea que si hubiera varios nombres de fichero en la línea de comandos, los iría abriendo uno por uno y disminuyendo consecuentemente el tamaño de @ARGV; conclusión, que si necesitas @ARGV para algo, mejor que lo guardes antes de meterte en un bucle de esta guisa.

Sobre la variable por defecto actúa la orden split (una de las cosas más usadas en PERL), dividiéndola en una serie de cadenas separadas por espacios y depositando cada una de esas cadenas en un elemento de la matriz @linea. Y dese cuenta el venerado público de con qué facilidad hemos hecho algo que requeriría al menos 10 líneas de cualquier otro lenguaje. No hay que dimensionar matrices, no hay que recorrer la cadena caracter por caracter... ¡Nada!⁽³⁾. Perdón, me he dejado llevar por el entusiasmo.

La fecha es, en todos los casos, la última cadena de la línea; es decir, que será el último elemento de la matriz (cuyo subíndice es siempre $#<nombre-matriz)), pero a su vez tendremos que dividirlo, esta vez por la barra de separación, para luego poder poner el mes delante y que salga todo bellamente ordenado por meses en vez de por días.

Esta cadena con la fecha, más la pasta, que está siempre 2 posiciones más a la izquierda (independientemente de la longitud de los nombres), se utiliza en la línea 7 en una matriz asociativa. Esta es otra de las características más potentes del PERL, se pueden usar matrices cuyo índice es una cadena cualquiera, no sólo números enteros positivos. Estas matrices asociativas encierran sus índices o claves entre llaves (¿os dáis cuenta del sutil mnemónico?). En esa línea, se le añade al componente de la matriz indexado por la fecha la pasta de la entrada correspondiente. Así, hasta que se termina el fichero de entrada.

Para imprimir el informe, tres cuartos de lo mismo que en el programa anterior, salvo que en este caso, una matriz asociativa completa se indica con %, en vez de la arroba.

[v5]A partir de la versión 5 de perl, se pueden usar matrices bidimensionales, mediante un mecanismo que se llama referencias; este mecanismo no nos interesa ahora mismo, pero sí como podemos usarlo en nuestros programas, tales como el siguiente (totales-v5.pl):

1  #!/usr/bin/perl
2  $ARGV[0] || die "¡Dime el nombre del fichero de clientes, cohone!\n";
3  while(<>) {
4    @linea = split;
5    @fecha=split(/\//,$linea[$#linea]);
6    $pasta=$linea[$#linea - 2];
7    $totalDia[$fecha[1]][$fecha[0]]+=$pasta;
8  }
9  
10 for ( $i = 1; $i <= $#totalDia; $i++ ) {
11   @dias = @{$totalDia[$i]};
12   for ( $j = 1; $j <= $#dias; $j ++ ) {
13     print "Trinque total del dia $j del $i = $totalDia[$i][$j]\n" if $totalDia[$i][$j];
14   }
15 }

Este programa es bastante parecido al anterior, salvo que, en vez de almacenarse los resultados en un array asociativo, se almacenan en un array bidimensional; la primera dimensión es el mes, y la segunda representa el día del mes. La línea 2 cambia simplemente para indicar otra forma de detectar si hay un fichero en la línea de comandos o imprimir un mensaje de error.

La línea 7 es la que usa una matriz bidimensional. Hasta aquí, todo normal; lo único relevante es que no hay que dimensionarla. Como primer índice de la matriz se usa el elemento 1 de $linea, es decir, el mes, y como segundo índice el primer elemento (el 0), es decir, el día.

Donde sí se nota un cambio es a partir de la línea 10; el bucle lo hacemos sobre una matriz normal y corriente. El problema es que, tal como sucede en las matrices bidimensionales en C, en PERL las matrices bidimensionales son en realidad una matriz de matrices, o mejor una matriz de referencias. Por eso, en la línea 11 lo que se hace es dereferenciar el elemento correspondiente y convertirlo en una matriz que podamos usar, la matriz @dias. En la línea 13, usando interpolación, se imprimen todos los elementos que son no nulos (if $totalDia[$i][$j]) la mayoría serán nulos , y los dejamos sin imprimir. [/v5]

Ejercicios

Realizar un programa que lea un fichero organizado en filas y columnas, tal como este uno dos tres cuatro cinco seis siete ocho nueve y genere un documento HTML con los contenidos del fichero organizados en una tabla; cada elemento del fichero deberá ir en una celda diferente, así uno dos tres cuatro cinco seis siete ocho nueve Aunque no es estrictamente necesario, usad una matriz bidimensional para hacerlo.

Purgando los pecados.

No es precisamente lo que tenía en mente nuestro político cuando decidió ver como aumentaba su capital con cada aportación de su clientela; o sea, que hacer un programilla en PERL para calcular sumas parciales, y sumas totales, no estaría mal; quizás incluso podía añadirle que sonara una campanita cada vez que sume cien talegos más. Así pues, hace el programa purga.pl, para aplicarlo sobre el fichero clientes.mas

while(<>) {
    split(/ /);
    print "Total parcial ", $total+=$_[1], ",\n";
}

que divide cada línea en sus componentes separados por espacios, y suma el segundo componente, índice 1 de la matriz. Pero cual no sería su desagradable sorpresa al ver que el dinero no aumentaba, sino que daba este resultado:

C:\PROGS\PERL>purga.pl clientes.mas
perl purga.pl clientes.mas
Total parcial 150000,
Total parcial 474999.75,
Total parcial 598454.75,
Total parcial 1154120.75,
Total parcial 1699441.75,
Total parcial 1699441.75,
Total parcial 1699441.75,

Regularizando la situación

Una forma todavía más directa de trabajar con estos ficheros de texto que tienen una estructura regular (que son la mayoría), es usar expresiones regulares. Una expresión regular es una forma de expresar gramaticalmente la estructura de cualquier cadena alfanumérica. Por ejemplo, una cadena compuesta por una letra inicial, con una letra o un número a continuación se podría expresar de la forma siguiente

donde | expresa una alternativa y * indica que puede aparecer 0 o más veces. Pues bien, estas expresiones regulares se utilizan enormemente en PERL (de hecho ya hemos usado una, aunque compuesta por un solo carácter, en la línea 4 del programa anterior), y cada vez que hemos usado split. Las expresiones regulares se usan para hacer comparaciones, es decir, hallar si un texto sigue o contiene una determinada expresión regular, y también para sustituir una subcadena que cumpla una expresión regular por otra cadena.

La expresión regular más simple es la propia cadena con la que se quiere comparar; es decir, una cadena coincidirá consigo misma. Las expresiones regulares en PERL siempre van encerradas entre //, o bien m{} (las llaves pueden ser sustituidas por cualquier otro elemento que no esté incluido en la expresión regular), y si no se indica nada, comparará la expresión regular con la variable por defecto, $_, es decir, que /pepe/ será cierto si $_ contiene íntegra la cadena pepe. El programilla

$_ = "pepeillo"; print "si" if /pepe/;

imprimirá

si

Las expresiones regulares usan símbolos convencionales para referirse a grupos de caracteres y otros para repetición o señales de puntuación. En algunos casos, si el símbolo significa algo dentro de la expresión regular (o en PERL), se precede por \ (escape). Por ejemplo, . significa "cualquier carácter" dentro de una expresión regular; luego para referirnos al punto como tal, usaremos \.. También se usa \/,\? y \*, por ejemplo. Otras expresiones más complicadas incluirían repeticiones de símbolos; por ejemplo, \w+ casaría con cualquier palabra (un carácter alfanumérico repetido uno o más veces).

Tabla 4: operadores de expresiones regulares

. Describe cualquier carácter, excepto newline. ( ) Agrupa una serie de patrones en un simple elemento. +,*,? Coinciden con el elemento al que preceden repetido 1 o más veces, 0 o más, ó 0 ó 1. Seguidos por {N,M}, indican el número mínimo y máximo que debede aparecer; {N} significa exactamente N veces; {N,}, como mínimo N veces. [..] Indica una clase de caracteres, [^...] niega la clase, - indica un rango decaracteres, como [a-z]. (..¦..¦..) coincide con una de las alternativas. \w,\W coincide con los alfanuméricos, \W con los no-alfanuméricos. \s,\S con los espacios en blanco, \S con los que no lo son. \d \D con los numéricos, \D no-numéricos. \b,\B con límites de palabra, \B con el interior de una palabra. $,^ con el final de una línea o cadena y con el principio.

Para agrupar símbolos se usa el paréntesis, que además sirve para indicarle a PERL que con lo que coincida con la expresión en su interior se va a hacer algo. Para empezar, se asigna a la variable $&; pero además, podemos asignar a otra variable el resultado de la comparación; en general, una comparación con una expresión regular que incluya paréntesis devuelve una lista con todo lo que coincida con el contenido de los paréntesis

$zipi = "Pepeillo Gonzalez MacKenzie 8000";
@parejas = ($zipi =~ /(\D+) (\d+)/);

(el nombre de la variable y el símbolo =~ se pueden suprimir si la comparación se hace sobre la variable por defecto $_); @parejas contendrá ("Pepeillo Gonzalez MacKenzie",8000), ya que la primera expresión regular indica "uno o más caracteres no numéricos", mientras que la segunda representa "uno o más caracteres numéricos".

Por ejemplo, el fichero de paganinis usado en ejemplos anteriores anterior tiene la estructura siguiente: una o más palabras, separadas por un espacio, una cantidad (números y puntos), una hora (números y dos puntos) y una fecha (números y /). Esto se dice en PERL mediante la expresión siguiente(\D+) (\d+\.?\d+) (\S+) (\d+)\/(\d+)\/(\d+)que puede parecer un poco críptica (y en realidad lo es), pero cuyo significado se puede resolver mirando la tabla 4. Con esta modificación, el bucle central del programa totales.pl se queda reducido a

while(<>) {
    ($paganini, $pasta, $hora, $dia, $mes) = /(\D+) (\d+\.?\d+) (\S+) (\d+)\/(\d+)\/(\d+)/;
    $totalDia{"$mes-$dia"}+=$pasta;
}

Más compacidad no se puede pedir. Además, ya de camino, nos vamos ahorrando algunas variables. En la primera línea del interior del bucle se asigna la parte de la cadena que coincide con lo descrito en el interior de los paréntesis a cada una de las variables, es decir, divide la línea en cinco campos, cada uno de los cuales tiene un tipo diferente. Hay cinco pares de paréntesis, para cinco variables. Veamos cada expresión regular por partes.