我们是由枫哥组建的IT技术团队，成立于2017年，致力于帮助IT从业者提供实力，成功入职理想企业，我们提供一对一学习辅导，由知名大厂导师指导，分享Java技术、参与项目实战等服务，并为学员定制职业规划，全面提升竞争力，过去8年，我们已成功帮助数千名求职者拿到满意的Offer：IT枫斗者、IT枫斗者-Java面试突击。
🔥 还在用 Python 处理文本？Raku 正则 5 行代码搞定数据清洗，效率翻倍
“我用 Python 写了 50 行正则清洗用户数据，同事用 Raku 写了 5 行，还比我快 3 倍。我沉默了。”
前言：Raku 是什么？为什么它能"吊打"传统方案？
Raku（原名 Perl 6）是一门被严重低估的文本处理神级语言。它继承了 Perl 的正则基因，但做了彻底重构：
- 正则表达式本身就是一等公民，不是字符串
- 可读性极强，支持命名捕获、结构化匹配
- 内置并行处理，百万级数据轻松应对
如果你经常需要：
- 清洗日志文件
- 提取结构化数据
- 批量处理 CSV/文本
- 做数据验证
Raku 可能是你的最佳选择。
今天用一个真实案例——用户信息批量清洗——带你上手。
一、业务场景：脏数据清洗
1.1 原始数据（5 条，3 条有问题）
张三 13800138000 zhangsan@example.com 2024-01-15 李四 13900139000 lisi@test.com 2024-02-20 王五 13600136000 wangwu#example.com 2024-03-05（无效邮箱） 赵六 13500135000 zhaoliu@example.com 2024/04/10（无效时间格式） 孙七 12345678901 sunqi@test.com 2024-05-18（无效手机号）1.2 清洗规则
| 字段 | 规则 | 无效示例 |
|---|---|---|
| 姓名 | 非空字符串 | — |
| 手机号 | 11 位数字 | 12345678901（不是有效号段） |
| 邮箱 | 符合 RFC 格式 | wangwu#example.com（# 不是 @） |
| 注册时间 | YYYY-MM-DD | 2024/04/10（分隔符错误） |
二、环境准备（2 分钟）
2.1 安装 Raku
# macOSbrewinstallrakudo# Ubuntu/Debiansudoapt-getinstallrakudo# 验证安装raku-v# This is Rakudo version 2024.06 built on MoarVM version 2024.062.2 VS Code 插件（推荐）
安装Raku插件，支持语法高亮、代码补全、运行调试。
三、核心代码：5 行正则搞定清洗
3.1 完整脚本（可直接复制运行）
#!/usr/bin/env raku # ========== 1. 定义测试数据 ========== my $data = q:to/END/; 张三 13800138000 zhangsan@example.com 2024-01-15 李四 13900139000 lisi@test.com 2024-02-20 王五 13600136000 wangwu#example.com 2024-03-05（无效邮箱） 赵六 13500135000 zhaoliu@example.com 2024/04/10（无效时间格式） 孙七 12345678901 sunqi@test.com 2024-05-18（无效手机号） END # ========== 2. 按行分割，过滤空行 ========== my @lines = $data.lines.grep(*.chars > 0); # ========== 3. 定义命名正则（核心！）========== my regex user-info { ^^ # 行首 (\w+) \s+ # $0: 姓名 (\d{11}) \s+ # $1: 手机号（11位数字） ([\w.]+ \@ [\w.]+\.[a-z]{2,}) # $2: 邮箱（含@和域名后缀） \s+ (\d{4} '-' \d{2} '-' \d{2}) # $3: 时间（YYYY-MM-DD） .*? # 忽略行尾标注 $$ # 行尾 } # ========== 4. 批量匹配，收集有效数据 ========== my @valid-users = @lines.map(-> $line { if $line ~~ /<user-info>/ { %( name => $0.Str, phone => $1.Str, email => $2.Str, date => $3.Str ) } }).grep(*.defined); # 过滤匹配失败的（返回 Nil） # ========== 5. 格式化输出 ========== say "=== 有效用户数据（共 {@valid-users.elems} 条）==="; @valid-users.map({ say "姓名：{$_<name>} | 手机：{$_<phone>} | 邮箱：{$_<email>} | 注册：{$_<date>}" }); say "\n=== 数据统计 ==="; say "总数据：{@lines.elems} 条"; say "有效：{@valid-users.elems} 条"; say "无效：{@lines.elems - @valid-users.elems} 条";3.2 运行结果
$ raku clean-users.raku===有效用户数据（共2条）===姓名：张三|手机：13800138000|邮箱：zhangsan@example.com|注册：2024-01-15 姓名：李四|手机：13900139000|邮箱：lisi@test.com|注册：2024-02-20===数据统计===总数据：5 条 有效：2 条 无效：3 条四、Raku 正则的"黑科技"解析
4.1 命名正则（Named Regex）
my regex user-info { ... } # ← 定义一个"命名正则"优势：
- 可复用：
/<user-info>/多次调用 - 可读性：名字即文档
- 可组合：多个命名正则拼接
4.2 结构化捕获
(\w+) \s+ # $0: 姓名 (\d{11}) \s+ # $1: 手机号对比 Python 的混乱：
# Python 版本（可读性灾难）pattern=r'^(\w+)\s+(\d{11})\s+([\w.]+@[\w.]+\.[a-z]{2,})\s+(\d{4}-\d{2}-\d{2})'match=re.match(pattern,line)name=match.group(1)# 1? 2? 3? 记不住！Raku 的$0、$1直接对应捕获组，清晰直观。
4.3 内置数据验证
(\d{11}) # 自动验证长度 \d{4} '-' \d{2} '-' \d{2} # 自动验证格式不匹配的行直接返回Nil，无需额外写 if-else。
五、对比：Raku vs Python vs Shell
| 维度 | Raku | Python | Shell (grep/awk) |
|---|---|---|---|
| 代码行数 | 15 行 | 50+ 行 | 30+ 行 |
| 可读性 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐ |
| 正则能力 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ |
| 并行处理 | 内置hyper | 需多线程库 | 需 xargs |
| 数据结构化 | 原生支持 | 需 dict/list | 弱 |
| 学习曲线 | 中等 | 低 | 低 |
Raku 的甜蜜点：正则复杂 + 数据结构化 + 批量处理。
六、进阶拓展
6.1 并行处理百万级数据
# 普通处理 my @results = @lines.map({ process($_) }); # 并行处理（4 线程） my @results = @lines.hyper(:degree(4)).map({ process($_) });6.2 读取文件批量处理
# 遍历目录下所有 .txt 文件 for dir('data/').grep(*.extension eq 'txt') -> $file { say "处理：{$file.basename}"; my @lines = $file.lines; # ... 正则清洗逻辑 }6.3 更严格的手机号验证
# 只匹配 1[3-9] 开头的有效号段 my regex phone { (1 <[3..9]> \d{9}) # 13x, 14x, 15x, 16x, 17x, 18x, 19x }6.4 邮箱 RFC 合规验证
my regex email { ([\w+.-]+ \@ [\w.-]+ \.[a-zA-Z]{2,}) # 更严格的本地部分 }七、常见问题
Q1：Raku 和 Perl 什么关系？
Raku 是 Perl 6 的正式名称，但不是 Perl 5 的升级版，是一门独立设计的语言。语法更现代，正则更强大。
Q2：Raku 生态怎么样？
- 标准库丰富（内置 JSON、HTTP、并行）
- 包管理器
zef活跃 - 社区虽小但极客浓度高
Q3：什么时候选 Raku？
- ✅ 复杂文本处理/数据清洗
- ✅ 快速脚本/原型开发
- ✅ 正则密集型任务
- ❌ 大型 Web 应用（选 Java/Go）
- ❌ 机器学习（选 Python）
⭐️推荐:
- Offer训练营介绍
- Java 面试 & 后端通用面试八股文
- Java后端企业级实战面试
- Java后端校招算法学习
