1.1 为什么文本处理偏爱 Perl

1.1 为什么文本处理偏爱 Perl

Perl 是一门为处理文本而生的脚本语言：内建正则引擎、逐行读文件是默认行为、哈希是一等公民。判断一个活该不该用 Perl，看它的输入输出是不是"一团非结构化文本进、结构化结论出"。

一段历史，解释它的脾气

1987 年 Larry Wall 写 Perl 时，手里的问题是报表生成和系统管理：读日志、拼字符串、生成摘要。这门语言的所有设计决定都朝着这个方向倾斜——正则不用导入库就能用，while (<>) 一行代码完成"打开文件、逐行读取、自动关闭"，%count 这样的哈希天生适合"按 key 聚合"。后来 CPAN 上沉淀了两万多个模块，文本方向尤其厚实。

理解了出身，就理解了它的适用边界：

一行代码的冲击

统计一份日志里 404 出现的次数，Perl 只需要一行：

perl -ne '$c++ if / 404 /; END { print "404 共 $c 次\n" }' access.log
​

-n 让 Perl 自动逐行读文件，/ 404 / 是内建正则，END 块在文件读完时收尾。同样的逻辑用编译型语言写，光打开文件和处理异常就要十几行。这就是"为文本而生"的具体含义。

它和 sed、awk、Python 什么关系

命令行老手会问：这些事 sed 和 awk 也能干。没错，简单替换确实该交给 sed。但任务一旦长出逻辑——多条件分支、跨行状态、结果要排序输出——awk 的语法就开始吃力，而 Perl 等于"awk 的语法舒适区 + 完整的通用语言能力"。Python 反过来：通用能力更强，但逐行正则处理这种事要多敲一些字。我的经验法则：一次性、当天要结果的文本活，Perl；要长期维护、团队协作的系统，再考虑别的。

动手体会：三个一行式

光看对比表还不够，亲手敲三个一行式，体感会立刻建立。假设手头有一份 access.log，依次回答三个递进的问题。

第一个问题：这份日志里 POST 请求有多少条？

perl -ne '$c++ if /"POST/; END { print "POST 共 $c 条\n" }' access.log
​

第二个问题：请求量最大的前五个小时是哪几个？把统计对象从"是否匹配"升级成"提取分组"：

perl -nae '$c{$F[3]}=~s/:.*//r; $h{
## 概念辨析：脚本语言、解释器与运行时

讨论"Perl 过不过时"时，三个常被搅在一起的词需要分开。脚本语言指书写风格——短、直、面向当下问题；解释器指执行方式——perl 这个程序读源码直接执行，不产出独立的可执行文件；运行时指程序跑起来时背后那整套标准库与环境。Perl 三者兼备，但"脚本"不等于"玩具"：CPAN 上稳定运行二十年的解析模块比比皆是，差别只在于写的人有没有按工程标准对待它。评价一门工具，看的是它解决的问题域是否仍然存在。日志、配置、报表、数据清洗，这些文本脏活在可预见的年头里不会消失，Perl 的工位就一直在。

最后给一个可操作的选择流程，拿来就能用：第一步，把任务写成一句话，主语是输入、宾语是输出；第二步，若宾语是"排序的数字/表格/排名"，进入候选；第三步，预估中间结果能否装进内存，能装则 Perl 一票通过；第四步，检查团队维护能力，有至少一人能读懂 Perl 即开工。四步走完通常不超过十分钟，却足以避免一大类"选型靠感觉"造成的返工。


还有一个高频疑问值得正面回答：Perl 6 去哪了。2019 年起 Perl 6 更名 Raku，是另一门有亲缘关系的独立语言，语法与 Perl 5 不兼容。市面上"Perl 已死"的论调有一半是把两者的分家误读成了废黜。本教程讲的是 Perl 5——那个仍在无数生产环境里跑日志与报表的版本，Raku 不在讨论范围。

版本内部也有生命周期：每个 5.x 系列维护数年，5.36 起默认开启很多新特性。选版本的原则就一条——跟操作系统的包管理器走，别手工编译冷门版本，除非确有理由。


## 本节要点回顾
}++ if /"GET|"POST/' access.log
​

这一行写得有点急智，可读性一般，先跑起来再看：它演示了一行式的典型形态——用最短字符数换最快出结果。真正可维护的写法要等学完第 4 章正则再回头重写。第三个问题：把所有 500 错误的请求路径抽出来去重：

perl -ne 'print "$1\n" if /"\w+ (\S+)[^\"]*" 500/' access.log | sort -u
​

第三个例子暴露了一行式的真实用法：Perl 一行式经常和 sort、uniq 这些 shell 工具混编，各干各的强项。这也是工坊的第一条操作守则——别追求纯 Perl，追求最快下班。

什么时候该放弃 Perl

诚实地列出放弃信号，比吹捧优势更有用。出现以下任一情况，请考虑换工具：数据量已经大到单机内存装不下中间结果（Perl 哈希全部驻留内存）；需要多人长期维护且团队没人写过 Perl；任务核心是数值计算而不是文本搬运；要和现代 Web 框架深度集成。文本工坊不揽瓷器活，识别自己的边界本身就是工程能力。

另一个常被忽略的坚持信号：历史遗留。接手一套运行了十年的 Perl 报表系统，读懂它比重写它便宜得多。这类系统里沉淀的正则和字段知识往往只存在于代码里，文档早就失传了。此时学 Perl 的回报不是写出新东西，而是安全地改动旧东西——第 7 章的测试章节正是为这种场景准备的。

本节要点回顾

• Perl 1987 年为报表与系统管理而生，正则、逐行读取、哈希是内建能力
• 判断标准：非结构化文本进、结构化结论出的活，是 Perl 的主场
• 一行式能力：perl -ne 加正则就能完成日常小统计
• 与近邻分工：单行替换给 sed，按列统计给 awk，带逻辑的文本流水线给 Perl，长期工程另选
• 不神化：高并发服务、客户端开发不是它的场景，选型时坦率承认