Nano Hash - криптовалюты, майнинг, программирование

Найти и удалить динамическую строку с помощью JCL

У меня есть требование.

Прочитайте запись и найдите 5-байтовую строку, начинающуюся с «Q» (например, Q$A12), и удалите эту строку из записи.

Эта строка из 5 цифр может присутствовать в любом месте записи. Строка, начинающаяся с «Q» и остальных 4 байтов, может быть разной. Длина моей записи составляет 15 байт.

Я должен сделать это с помощью SORT.

Пример:

Ввод:

ABCDEFG123**QABC2**
ACDHLAMANWST2HY
HAI**Q&A12**ACMATLK

Вывод:

ABCDEFG123 
ACDHLAMANWST2HY
HAIACMATLK 
06.12.2015

  • @Bill Woodger, я уже ответил там: если в записи есть «Q****», удалите эту строку или замените на «» (пробелы). Если в записи нет 'Q****', то ничего делать не нужно.(записать актуальные данные на вывод), да, в данных могут быть и пробелы 06.12.2015
  • Сначала прочтите это stackoverflow.com/questions/11076078/ относительно вашего требования JCL. Во-вторых, покажите нам, что вы уже пробовали. 06.12.2015

Ответы:


1
  OPTION COPY 

  INREC IFOUTLEN=15, 
        IFTHEN=(WHEN=INIT, 
                 FINDREP=(IN=C' ', 
                          OUT=X'FE')), 
        IFTHEN=(WHEN=INIT, 
                 FINDREP=(IN=C'Q', 
                          OUT=X'FD', 
                          STARTPOS=12)), 
        IFTHEN=(WHEN=INIT, 
                 PARSE=(%00=(ENDBEFR=C'Q', 
                             FIXLEN=15), 
                        %01=(SUBPOS=1, 
                             STARTAT=C'Q', 
                             FIXLEN=5), 
                        %02=(FIXLEN=10)), 
                 BUILD=(%00, 
                        X'FEFEFEFEFE', 
                        %02)), 
        IFTHEN=(WHEN=INIT, 
                 OVERLAY=(1,30, 
                           SQZ=(SHIFT=LEFT))),
        IFTHEN=(WHEN=INIT, 
                 FINDREP=(IN=X'FE', 
                          OUT=C' ')), 
        IFTHEN=(WHEN=INIT, 
                 FINDREP=(IN=X'FD', 
                          OUT=C'Q')) 

Установите длину выходных записей на 15.

Измените все исходные пробелы на неотображаемый символ (при условии, что ваши данные предназначены только для отображения).

Измените любые Q, за которыми не следуют четыре байта, на другой не отображаемый символ.

Используйте PARSE, чтобы разделить входные данные на три поля: данные до Q (если они есть, иначе все данные); Пять байтов, начинающихся с Q; остаток (когда Q присутствует, а не в конечной позиции).

Используйте BUILD для создания новой записи с пробелом, пять из них, если необходимо установить Q-данные в пробел. Пользователь OVERLAY для удаления завершающих пробелов из полей.

Измените пробельные значения обратно на пробел. Измените значение Q обратно на Q.

07.12.2015
  • Большое спасибо, Билл Вуджер. твой ответ идеален :) 09.12.2015
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..