[Rio-pm] Comparação de arquivos

[breno]

Oi Aureliano,

acho que o que o Tiago quis dizer é "o que deveria estar acontecendo
mas não está, e o que está acontecendo em vez disso?"

Assumindo que não há problema na lógica e o que está tentando resolver
são os warnings que colou no final do paste, a resposta está na
recomendação número 5 abaixo.

Agora, algumas dicas gerais sobre o código que você colou:

1) a solução canônica para manipulação de listas são os módulos
List::Util, List::MoreUtils e List::AllUtils (que agrega as funções de
ambos). No List::MoreUtils (e, consequentemente, no List::AllUtils) há
a função uniq() que faz o mesmo que o Array::Uniq. Então, a menos que
você tenha um excelente motivo para usar o Array::Uniq, recomendo
trocar para o List::MoreUtils.


2) Evite open() com apenas dois argumentos. Evite open() com barewords
em vez de variáveis. Por mais que você saiba o que está fazendo,
procure sempre manter a sintaxe:

open my $fh, '<', $nome_do_arquivo
   or die "erro abrindo arquivo $nome_do_arquivo para leitura: $!";

para leitura, ou:

open my $fh, '>' $nome_do_arquivo
  or die "erro abrindo arquivo $nome_do_arquivo para escrita: $!";

Se quiser omitir o "or die..." basta colocar "use autodie;" no início
do seu programa.

Mais ainda, pode usar módulos como Path::Class que já manipulam o
arquivo para você:

  use Path::Class;

  my $fh = file( 'meuarquivo.txt' )->openr();  # ou openw() para escrever

Veja mais detalhes em https://metacpan.org/module/Path::Class::File


3) Ao colar um exemplo, certifique-se que ele está limpo. A linha 75,
por exemplo, tenta abrir um arquivo para escrita:

open SL, ">:raw", "sl.txt" or die $!;

mas não faz nada com ele.


4) Evite usar termos como new() e $self quando seu código não for
orientado a objetos. Essas não são palavras reservadas em Perl, mas
convenciona-se que new() constrói objetos e $self os referencia. Usar
esses nomes com outros objetivos confunde :)


5) Evite "ações à distância"
(https://en.wikipedia.org/wiki/Action_at_a_distance_%28computer_programming%29).
A variável especial $_, por exemplo, é global quando seu código espera
que ela seja local. Repare que você está consumindo seus dados usando
$_ implicitamente em 3 momentos distintos e concorrentes:

  foreach (@in) {    # $_ definido como o valor atual em @in

     print find_m($_), find_h($_);
  }

  sub find_m {
     my $self = shift;
     while (<INM2>) {  # $_ redefinido, agora para a linha atual
        ...
     }
     # ao final do bloco, $_ estará como undef (pois o arquivo acabou)
  }

idem para a sub find_h.

A solução? Bom, a partir do Perl 5.10 (lançado a quase 5 anos atrás) é
possível usar uma versão léxica do $_ ao declará-lo no bloco com 'my'.
É possível também restaurar o valor global de $_ no escopo atual
usando 'our $_', mas não é isso o que você quer. Para deixar seu
código claro e evitar efeitos colaterais, sugiro sempre "dar nomes aos
bois" e nomear suas variáveis de loop. Por exemplo, trocar:

   foreach (@in)

por

  foreach my $elemento (@in)

já teria resolvido seu problema (assumindo, claro, que agora você
estaria passando "$elemento" para as funções, em vez de "$_").
Recomendo mudar também no while() dentro das subs.

Outro problema de 'action at a distance' no seu código, menos grave
mas ainda assim importante, é que você está usando nas funções find_m
e find_h handles abertos em outro bloco, referenciados pela mesma
bareword. Fiquei sem entender se a sua lógica considera o consumo
linear do arquivo (para cada ocorrencia em @in, os arquivos hybrid.txt
e miranda.txt estarão mais próximos do final) ou se isso é um bug.


6) Não utilize 'our' quando não precisar - e você não precisa nesse
exemplo. Para saber mais sobre origem e diferenças entre my, our,
local e etc, recomendo a palestra do Util =>
http://youtu.be/Ton-5tvDQiE


7) Não utilize variáveis globais quando não precisar - e você não
precisa nesse exemplo.


8) Não agrupe elementos em expressões regulares se não for utilizar.
Nas regexes das subs parsin_m() e find_m() você tem dois grupos
(parenteses () dentro da regex) e só usa o $1.


9) Não manipule $/ diretamente. Se realmente precisar, faça "local $/
= ..." dentro do bloco.


10) Se as saídas de 'hybrid' e 'miranda' são sempre nesse formato,
crie um parser separadamente para elas e utilize em seu código. Deixa
tudo mais limpo e de quebra você ainda pode colocar no CPAN e ajudar
outras pessoas :)


11) No seu código você abre os arquivos 'hybrid.txt' e 'miranda.txt'
duas vezes para leitura. Isso normalmente significa que você poderia
ter colocado tudo numa estrutura de fácil acesso e manipulação, e lido
o arquivo apenas uma vez (operações de E/S costumam ser bem mais
pesadas do que manipulação em memória). Dica: sempre que tiver mais de
um while() ou foreach() varrendo a mesma estrutura para ler dados, é
bem possível que você possa otimizar e deixar mais claro seu algoritmo
fazendo a varredura apenas uma vez.


12) Sempre que o seu programa estiver fazendo algo estranho, tente
diminuir ao máximo a superfície de erro, e inspecionar o valor das
variáveis. No seu caso, por exemplo, o interpretador disse que o
problema estava quando a sua linha de print chamava as funções:

   print OUT ("#" x 20 , find_m($_) , "\n" , find_h($_) , "#" x 20 , "\n");

então o primeiro passo seria desmembrar, retirando tudo que é inútil (
'#' x 20 ) e colocando cada chamada em uma linha diferente, para
tentar isolar o erro. Outra, claro, é imprimir direto na tela em vez
de em arquivo:

   print find_m($_);
   print "\n";
   print find_h($_);

Se a sua variável for uma estrutura maior em vez de apenas uma string,
soluções como o Data::Printer podem te ajudar também.


Espero ter ajudado!

[]s

-b