简介
我使用Ruby不久，有句话叫“The best way to learn something is to teach it.“，所以我打算写几篇关于Ruby的文章，这是第一篇。为了对别人有些用，我尽量写一些一般的Ruby教程中不会着重讲的东西。
A language that doesn’t affect the way you think about programming, is not worth knowing.
Alan Perlis 是 Yale CS 的前辈，第一个图灵奖得主。这句话出自于Epigrams in Programming。
盲目地学新的语言确实是件无聊且浪费时间的事。不过对于用惯了传统的过程语言或者是 C++, JAVA 一类流行的面向对象语言的人来说， Ruby 或许是一个能让你对程序设计有更多思考的语言。对函数式程序设计语言（ functional language, 如 Haskell, ML, Lisp, etc. ）比较了解的人则会在这个被成为“纯面向对象“的语言中发现不少熟悉的元素。
问题说明
我的第一个 Ruby 程序是为了解决一个实际问题。以前我用 F-Spot 管理我的照片，这个软件功能设计不错，不过毕竟太新，总体质量只能算 alpha 水平，有一次 F-Spot 崩溃的时候把它的数据文件损坏了，从那以后 F-Spot 就不能再启动。 F-Spot 的目录树是按照照片的日期整理的（例如：在2005年7月28日照的照片被放在
$HOME/Photos/2005/07/08 中），脱离 F-Spot 就不好查找照片。最近把桌面从 Gnome 换成了 KDE ，也就用 digiKam 替换了 F-Spot 。我得把照片从原来 F-Spot 的目录结构中导出到同一层目录中，再用 digiKam 导入。由于 F-Spot 不能启动，所以只能自己想法实现了。过去一年我有数千张照片，分布在有四五百个目录的目录树中，自然不太可能用手工拷贝了。本来可以写一个 shell script 来做的，不过既然看了 Ruby ，就实践一下。
解法一
最直观的方法是递归遍历这个目录树，把每个叶结点（文件）复制到目标目录。为了代码可以重用，我先写一个函数返回一个包含所有文件的路径的数组，再用一个循环把每个文件移动到目标目录。这个方法用任何过程式语言都很容易实现。
#!/usr/bin/env ruby
require 'pathname'
def getFileNames(path_str)
path = Pathname.new(path_str)
filenames = []
path.children.each do |entry|
if entry.directory?
subentries = getFileNames(entry)
subentries.each {|f| filenames << f}
elsif entry.file?
filenames << entry
end
end
return filenames
end
getFileNames(ARGV[0]).each {|f| `mv #{f} #{ARGV[0]}`}
这样做虽然直观，但缺点是遍历目录树的时候只是找出所有文件，要对文件做具体操作还要再遍历返回的文件列表，效率比较低。如果把对文件的操作（如移动、删除等）放到遍历目录树的代码中，则这些代码无法再做其他用途。
除此之外还有一个更加微妙的问题。如果文件的数量很多，遍历目录树会花费较长时间。假设这个程序不是用来整理个人的文件而是用来管理一个分布式文件系统，或者是一个并行系统的一部分， 那么在遍历目录树和对文件进行具体操作之间一些文件很可能已经被别的进程移动或删除，使得旧的文件名无效。一个安全的实现应该在这个期间把这些文件锁住，但这样的话别的进程就在一段相对较长的时间內无法操作这些文件。
解法二（higher-order function and closure）
由于在 Ruby 中函数是普通的数据类型，一个对解法一理所当然的改进是把要对每个文件进行的操作作为参数传给遍历函数。
def walk_dir(path_str, op)
path = Pathname.new(path_str)
path.children.each do |entry|
if entry.directory?
walk_dir(entry, op)
elsif entry.file?
op.call(entry)
end
end
end
对文件的操作由参数决定，比如下面的调用打印出指定目录及子目录下的所有文件
walk_dir(ARGV[0], lambda {|f| puts f})
另外一个实现同样效果的方法是传递一个代码块 closure 。因为省掉了一个参数，这样看起来更加简洁。
def walk_dir(path_str)
path = Pathname.new(path_str)
path.children.each do |entry|
if entry.directory?
walk_dir(entry) {|x| yield(x)}
elsif entry.file?
yield(entry)
end
end
end
类似地，打印所有文件的路径：
walk_dir(ARGV[0]) {|f| puts f}
解法三（Curry）
上面的遍历函数看似已经很通用，其实仍有不足。解法二中的遍历函数可以很方便地对目录树里的每个文件进行操作，可是一些常见的对文件系统的操作对于每个文件并不是独立的，比如：
- 计算所有文件大小的总和
- 查找最大或最小的文件
- 查找重复的文件
这些任务的特点是在遍历的同时必须访问、积累和修改一些辅助信息。我们还是可以用解法二，把这些辅助信息放在全局变量里，但这个办法不elegent，一般来说全局变量是应该尽量避免的。另一种办法是增加额外的变量，以在遍历的时候传递额外的信息，但这样会使负责遍历树的代码变得复杂和不通用。
解决问题的一个办法在程序设计语言里面叫curry，也叫 partial function application ，后面这个名称更加形象一些。简单地说，如果 f(x, y) 是一个关于x和y的函数，如果把x的值固定（如x=1)，那么 f(1,y) 就是一个关于y的函数。这种通过把一个函数的部分参数确定使它成为一个新函数的技巧就叫做 curry 。ruby 中函数的参数和返回值都可以是函数，所以很容易实现 curry。
def walk_dir(path_str, fun)
path = Pathname.new(path_str)
path.children.each do |entry|
if entry.directory?
fun=walk_dir(entry, fun)
elsif entry.file?
fun = fun.call(entry)
end
end
return fun
end
这样对树结构的操作可以方便地封装起来，如求目录树中所有文件的大小：
def cur_sum(sum)
return lambda {|file| (file==nil) ? sum : cur_sum(sum + file.size)}
end
然后再传递给遍历过程：
puts walk_dir(ARGV[0], cur_sum(0)).call(nil)
这个方法有个缺点：上面的cur_sum函数返回值的类型不确定。如果参数是nil，返回值就是一个整数，否则的话返回一个函数。一般来说，这在程序设计中应该避免。这种现象只有在动态类型（ dynamic-typing ）的语言里面有可能，在 C++ 和 JAVA 一类语言里面是不会出现的。
解法四（Monad）
我觉得最通用的解法是使用Monad
class Identity
attr_reader :value
def initialize(v)
@value = v
end
def Identity.m_return(v)
new(v)
end
def bind
yield @value
end
end
遍历过程调用所有Monad都具有的通用操作bind，并不关心对树节点的具体操作。对节点的处理完全封装在参数op里。
def walk_dir(path_str, m, op)
path = Pathname.new(path_str)
path.children.each do |entry|
m = m.bind { |v| m.class.m_return(op.call(v, entry)) }
if entry.directory?
m = walk_dir(entry, m, op)
end
end
return m
end
下面的调用求目录树中所有文件大小的总和：
m = Identity.m_return(0)
puts walk_dir(ARGV[0], m,
lambda {|v,e| e.file? && (v + e.size) || v}).value
Post a Comment