Управление фоновым процессом

Следующий скрипт perl извлекает имя случая в $ outfile , если строка соответствует шаблону ER (пробел, E, R, пробел), который не является строкой номера страницы (m / ER (?! P \ d +) /) , и записывает все последующие строки (пока не обнаружит, что шаблон снова и, следовательно, новое имя файла) в файл с именем out / $ outfile.txt .

#! /usr/bin/perl

use strict;

my $outfile='/dev/stdout';
open(OUTFILE,">","$outfile") || die "couldn't open $outfile for write: $!\n";

while (<>) {
    chomp;
    if (m/ ER (?!p\d+)/) {
       $outfile = substr($_,0,200);
       open(OUTFILE,">>","./out/$outfile.txt") || die "couldn't open ./out/$outfile.txt for write: $!\n";;

       if (-s "./out/$outfile.txt") {
           print OUTFILE "\n\n-=-=-=-=-=-=-=-=\n\n";
       }
    };
    print OUTFILE $_,"\n";
}

Вывод слишком длинный, чтобы показывать его здесь, но я проверил его на предоставленных вами входных данных, и он работал должным образом. Если вы можете сделать все или часть файла (с большим количеством включенных случаев) доступными для загрузки где-нибудь, я могу протестировать (и, возможно, уточнить) сценарий дальше.

Используя list-of-case-volume-1.txt (с удаленными номерами строк и сохраненными как ases2.txt ), вывод (Используя Lambert * случаев в качестве примеров):

$ mkdir -p out/
$ ./hef.pl cases2.txt
$ ls -1 out/Lambert*
out/Lambert v Aeretree 1 Lord Raymond 223, 91 ER 1045.txt
out/Lambert v Atkins and Another 2 Campbell 272, 170 ER 1153.txt
out/Lambert v Cook 1 Lord Raymond 237, 91 ER 1055.txt
out/Lambert v Oakes 1 Lord Raymond 443, 91 ER 1194.txt
out/Lambert v Pack 1 Salkeld 127, 91 ER 120.txt
out/Lambert v Peyton [1860] 7 House of Lords Cases 423, 11 ER 169.txt

Некоторые из входных строк (4176 из 12861 строк) были для повторяющихся имен случаев, поэтому я изменил сценарий выше, чтобы добавить дополнительные строки для этого случая в существующий файл с - = - = - = - = - = - = - = - = в качестве разделителя.

Некоторые заголовки регистров были слишком длинными для использования в качестве имени файла, поэтому я использовал substr ($ _, 0,200) , чтобы ограничить имя файла первыми 200 символами. Другой альтернативой, которая могла бы привести к появлению нечеловечески понятных имен файлов, было бы использование хеша md5sum имени case в качестве имени файла.Название дела по-прежнему будет в первой строке файла.

Один, надеюсь, последний комментарий. Нетрудно изменить приведенный выше сценарий для использования модуля perl DBI и базы данных postgres или mysql для хранения всех этих записей в базе данных с возможностью поиска .... с именем случая в качестве заголовка. поле индекса и текст в текстовом поле.