Question

我有一个包含不同行的文件，每行都有一个重复的模式。我需要一个propper数据结构来解析我的文件，例如：

cluster1:gene1(genome1) gene2(genome2) gene3(genome3)
cluster2:gene4(genome4) gene5(genome5)

名称是任意的。

我想过一个哈希数据结构的哈希值

  %hoh=("cluster1" => {
        "gene1"=>"genome1"
        "gene2"=>"genome2"
        "gene2"=>"genome2"
                       },   "cluster2" => {
        "gene4"=>"genome4"
        "gene5"=>"genome5"
                       }
       )

我有两个问题：第一：我如何在每一行中寻找重复的模式？

其次，我如何制作哈希哈希？

编辑：发布在Zaid的请求

#!/usr/bin/perl -w
use strict; use warnings;
    my %HoH;
while(<DATA>){
    my $line=$_;
    chomp($line);
    my ( $cluster, $genes ) = split (/:/,$line);

     $HoH{ $cluster } = { split/[( )]+/ , $genes };

  }  
foreach $cluster (keys %HoH){
    print "$cluster: ";
    foreach $genes (keys %{$HoH{$cluster}}){
        print "$genes = $HoH{$cluster}{$genes} ";
    }
    print "\n";
}                                               

__DATA__
cluster1:gene1(genome1) gene2(genome2) gene3(genome3)
cluster2:gene4(genome4) gene5(genome5)

Answer 1

OP发布尝试时的说明：

my %HoH;

while (<>) {

    chomp;
    my ( $cluster, $genes ) = split /:/;

    $HoH{ $cluster } = { split /[( )]+/, $genes };
}

Answer 2

假设模式始终遵循AAA:BBB(CCC) DDD(EEE) FFF(GGG)...，您可以使用以下算法：

阅读每一行
在:上拆分，将第一部分作为您的密钥阅读
按空格拆分余数，然后使用正则表达式进行解析，例如：([^(]+)$([^)])$
从正则表达式
设置$hoh{key from step 2} =步骤4中的哈希

未经测试但是类似下面的内容（哈希引用的东西有点不确定，但你明白了）：

while(<>) {
    ($key, $rest) = split ':';
    @genes = split ' ', $rest;
    my %h;
    foreach $gene (@genes) {
        ($k, $v) = split /[\(\)]/, $gene;
        $h{$k} = $v;
    }
    $hoh{$key}=\%h;        
}

虽然可能有更优雅的PERL-y方式：）

Answer 3

#!/usr/bin/perl -w
use strict; use warnings;
    my %HoH;
    while(<DATA>){
        my $line=$_;
        chomp($line);
        my ( $cluster, $genes ) = split (/:/,$line);

        $HoH{ $cluster } = { split/[( )]+/ , $genes };

    }  
    foreach my $cluster (keys %HoH){
        print "$cluster: ";
        foreach my $genes (keys %{$HoH{$cluster}}){
            print "$genes = $HoH{$cluster}{$genes} ";
        }
    print "\n";
    }

__ DATA __

cluster1：gene1（genome1）gene2（genome2）gene3（genome3）

cluster2：gene4（genome4）gene5（genome5）

Answer 4

假设您不需要担心与预期输入不符的行，您可以使用单个split。

while( <DATA> ){
  chomp;
  next unless $_; # skip blank lines

  my($key,%value) = split /[:()\s]+/;
  $data{$key} = \%value;
}

制作哈希哈希

4 个答案: