Question

我有以下格式的数据：

4.8e-38  140.9   4.3    5.8e-38  140.6   4.3    1.1  1  NP_001275340.1  ELF4-like protein [Solanum tuberosum]XP_0063
4.8e-38  140.9   4.3    5.8e-38  140.6   4.3    1.1  1  XP_015080718.1  PREDICTED: protein ELF4-LIKE 3-like isoform X
5.3e-38  140.7   4.4    6.3e-38  140.5   4.4    1.1  1  XP_016481343.1  PREDICTED: protein ELF4-LIKE 4-like [Nicotian
5.4e-38  140.7   5.1    6.6e-38  140.4   5.1    1.1  1  XP_009784404.1  PREDICTED: protein ELF4-LIKE 4-like [Nicotian

我创建了一个Perl数组，其中元素存储在新行中。例如，如果我打印$ARRAY[0]，则输出为：

4.8e-38  140.9   4.3    5.8e-38  140.6   4.3    1.1  1  NP_001275340.1  ELF4-like protein [Solanum tuberosum]XP_0063.

我需要的是在列中拆分数组，这样如果我print "$ARRAY[8]"，输出应该是标识符/加入号列表（NP_001275340.1, XP_015080718.1）。

我尝试过使用分割功能，但由于数据没有统一分开（例如，通过制表符或空格），我无法做到这一点。有什么建议吗？

Answer 1

如果它没有统一分开，那么有用的是：

split默认为“任何空格”

所以你可以这样做：

#!/usr/bin/env perl

use strict;
use warnings;

while ( <DATA> ) {
    my @array = split;
    print $array[8],"\n";
}

__DATA__
4.8e-38  140.9   4.3    5.8e-38  140.6   4.3    1.1  1  NP_001275340.1  ELF4-like protein [Solanum tuberosum]XP_0063
4.8e-38  140.9   4.3    5.8e-38  140.6   4.3    1.1  1  XP_015080718.1  PREDICTED: protein ELF4-LIKE 3-like isoform X
5.3e-38  140.7   4.4    6.3e-38  140.5   4.4    1.1  1  XP_016481343.1  PREDICTED: protein ELF4-LIKE 4-like [Nicotian
5.4e-38  140.7   5.1    6.6e-38  140.4   5.1    1.1  1  XP_009784404.1  PREDICTED: protein ELF4-LIKE 4-like [Nicotian

但split也允许您指定regex。

my @array = split /(?:\t| +)/;

哪个允许您在选项卡或上拆分一个或多个空格，但不会被空白字段的双标签捕获。注意 - 您需要?:，因为split ...将捕获，并将其添加到它返回的列表中。

它还允许您指定字段限制 - 因为您的“上一个”字段看起来像是一个描述：

my @array = split ' ', $_, 10;

这对$array[8]的作用相同，但$array[9]将包含：“预测：蛋白质ELF4-like 3-like isoform X”

问题的真正根源在于，如果你已经将所有文件读入数组 - 你所拥有的是一系列行。

您可以在输入时（如上例所示）或通过map对此进行转换：

#!/usr/bin/env perl

use strict;
use warnings;
use Data::Dumper;

my @input = <DATA>;
print Dumper \@input;
print join "\n", map { (split)[8] } @input;

__DATA__
4.8e-38  140.9   4.3    5.8e-38  140.6   4.3    1.1  1  NP_001275340.1  ELF4-like protein [Solanum tuberosum]XP_0063
4.8e-38  140.9   4.3    5.8e-38  140.6   4.3    1.1  1  XP_015080718.1  PREDICTED: protein ELF4-LIKE 3-like isoform X
5.3e-38  140.7   4.4    6.3e-38  140.5   4.4    1.1  1  XP_016481343.1  PREDICTED: protein ELF4-LIKE 4-like [Nicotian
5.4e-38  140.7   5.1    6.6e-38  140.4   5.1    1.1  1  XP_009784404.1  PREDICTED: protein ELF4-LIKE 4-like [Nicotian

在上面的示例中，map迭代@input的每个元素，进行拆分，并选择字段8 - 并将其作为列表返回。

所以你可以：

my @identifiers = map { (split)[8] } @input;

注意 - split仍然有效，例如默认将当前元素拆分为空格。

Perl中的拆分数组从新行到制表符分隔

1 个答案: