结构化文本计算示例（一）

结构化文本是很常见的文件格式，对结构化文本的计算也是很常见的需求。在实现这种计算时，一种很容易想到的办法是将文件导入数据库后再计算，但这会消耗大量时间以及昂贵的数据库资源，而且有的场合下并没有合适的数据库可用。这样一来，我们就会有一个自然的想法，如果能够直接计算就会方便多了。可惜的是，一般高级语言都没有提供针对结构化文本的基本运算类库，而想要通过硬编码完成这些运算又非常繁琐，不仅代码复杂，可维护性还很差。

作为专业的结构化数据计算类库，集算器SPL封装了丰富的结构化计算函数，支持集合运算、关联运算、有序运算，因此可轻松实现结构化文本的运算。此外，SPL还可以通过JDBC调用接口向Java应用提供运算结果（可参考【Java 如何调用 SPL 脚本】），极大地方便集成工作。

下面我们就来看一下常见的结构化文本计算案例，以及SPL对应的解法。

维护

增加记录

在sales.txt的第2行插入1条记录。源文件如下：

OrderID	Client	SellerId	Amount	OrderDate
26	TAS	1	2142.4	2009-08-05
33	DSGC	1	613.2	2009-08-14
84	GC	1	88.5	2009-10-16
133	HU	1	1419.8	2010-12-12
32	JFS	3	468	2009-08-13
39	NR	3	3016	2010-08-21
43	KT	3	2169	2009-08-27

代码

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.insert(2,200,"MS",20,2000,date("2015-02-02"))
3	=file("D:\\sales.txt").export@t(A1)

结果

OrderID	Client	SellerId	Amount	OrderDate
26	TAS	1	2142.4	2009-08-05
200	MS	20	2000	2015-02-02
33	DSGC	1	613.2	2009-08-14
84	GC	1	88.5	2009-10-16
133	HU	1	1419.8	2010-12-12
32	JFS	3	468	2009-08-13
39	NR	3	3016	2010-08-21
43	KT	3	2169	2009-08-27

函数insert插入记录，第1个参数是插入位置，当该参数为0时，表示追加记录。

如果只是向文件追加记录，那么不必读入文件，只需用函数export@a，代码如下：

	A
1	=create(OrderID,Client,SellerId,Amount,OrderDate).record([200,"MS",20,2000,date("2015-02-02")])
2	=file("D:\\sales.txt").export@a(A1)

函数create新建二维表，函数record向二维表追加记录。

另外，可以通过insert@r批量插入记录，代码如下：

	A
1	=file("D:\\sales.txt").import@t()
2	=create(OrderID,Client,SellerId,Amount,OrderDate)
3	=A2.record([200,"MS",20,2000,date("2015-02-02"), 300,"Ora",30,3000,date("2015-03-03")])
4	=A1.insert@r(2:A2)

为节省篇幅起见，下文都将省略导出文件的代码。

删除记录

删除sales.txt中的第2条记录。代码如下：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.delete(2)

函数delete支持批量删除，比如删除第2,3,5,6,7条记录：A1.delete([2,3]|to(5,7))

也可以按条件删除，比如删除Amount小于1000的记录：A1.delete(A1.select(Amount<1000))

修改记录

修改sales.txt的第2条记录，将SellerId改为100，Amount改为1000，代码如下：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.modify(2,100:SellerId,1000:Amount)

也可以批量修改，比如将前10条记录的Amount增加10:

A1.modify(1:10,Amount+10:Amount)

增加列

在sales.txt增加列year，填入订单日期OrerDate中的年份。代码：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.derive(year(OrderDate):year)

结果：

删除列

物理上删除列效率较低，通常用“取出保留列”来代替。比如sales.txt中删除Client、SellerId，相当于保留OrderID、Amount、OrderDate，代码如下：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.new(OrderID,Amount,OrderDate)

结果：

修改列

将sales.txt的Amount列增加10%，代码如下：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.run(Amount*1.1:Amount)

结果：

注意函数run跟函数modify的区别：修改整列（所有记录的对应字段）需要用run，只修改指定记录的某列（特定字段）用modify。

基本运算

查询

指定时间段，按参数查询sales.txt。代码：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.select(OrderDate>=startDate && OrderDate<=endDate)

startDate和endDate是输入参数，比如2010-01-01至2010-12-31。结果：

排序

针对sales.txt，按照客户代码(Client)降序排序，按照订单日期(OrderDate)升序排序。

代码：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.sort(-Client,OrderDate)

注意：降序时在字段前面使用英文的减号来表示，即“-”，默认按照升序。

结果：

分组汇总

计算出每个销售员每年的销售额和订单数，即按照销售员分组，对销售额求和，对记录计数。

代码：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.groups(SellerId,year(OrderDate);sum(Amount),count(~))

函数groups可在分组的同时进行汇总，其中，~表示每组或当前组，count(~)等于count(OrderID)。

结果：

获得唯一值

列出sales.txt中的客户名单，即获取所有Client的唯一值。

代码：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.id(Client)

结果：

去除重复

保留sales.txt中每个客户每个销售员的第一条记录。获取唯一值也是一种去重，这里是另外一种通过分组来去除重复的方式。

代码：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.group@1(Client,SellerId)

通过函数group进行分组（和groups不同，这里可以不汇总），@1表示取每组第1条记录。

结果：

TopN

找到每个销售员销售额最大的3笔订单。

代码：

	A
1	=file("D:\\sales.txt").import@t()
2	=A1.group(SellerId;~.top(3;-Amount):t).conj(t)

函数top过滤出TopN，”-”表示逆序，函数conj用于合并结果。

计算结果：

如果只取最大的一笔订单，还可以用maxp函数，不过 maxp直接返回表达式描述的最大记录，因此不用再加符号”-”来描述排序方式。由于分组后的字段t的内容是记录，因此不能用conj(t)来合并，而是需要使用A.(t)方式直接取出t字段。所以取每个销售的最大一笔订单表达式为：=A1.group(SellerId;~.maxp(Amount):t).(t)