Question

我正在研究将句子分成单个单词的代码，然后根据哈希键搜索单词以确定它们的存在。我的代码返回100％相同的术语，匹配后我将句子中的单词标记为与匹配键对应的值。问题是代码标签术语，但随机值不符合我的预期。此外，在某些情况下，术语和散列键相似但不是100％相同，如何编写正则表达式以使我的条款与键匹配。注意：我已经将哈希键限制为其根表单。我提供了一些例子：如果句子中的术语是Synergistic或反协同，我的哈希键是Synerg，我怎样才能将上述术语与Synerg相匹配。

我的代码如下：

    open IN, "C:\\Users\\Desktop\\TM\\clean_cells.txt" or die "import file absent";
    my %hash=();
    use Tie::IxHash;
    tie %hash => "Tie::IxHash";
    while(<IN>)
    {
    chomp $_;
    $line=lc $_;
    @Organs=split/\t/, $line;
    $hash{$Organs[0]}=$Organs[1];
    }

    $Sentence="Lymphoma is Lymph Heart and Lung";
     @list=split/ /,$Sentence;

     @array=();
 foreach $term(@list)
 {
 chomp $term;
    for $keys(keys %hash)
     {
    if($hash{$term})
     {
     $cell="<$hash{$keys}>$term<\/$hash{$keys}>";
     push(@array, $cell);
    }
    elsif($term=~m/\b\Q$keys(\w+)\E\b/)
    {
    $cell="<$hash{$keys}>$term<\/$hash{$keys}>";
     push(@array, $cell);        
    }
    elsif($term=~m/\b\Q(\w+)$keys\E\b/)
    {
    $cell="<$hash{$keys}>$term<\/$hash{$keys}>";
     push(@array, $cell);        
    }
    elsif($term=~m/\b\Q(\w+)$keys(\w+)\E\b/)
    {
    $cell="<$hash{$keys}>$term<\/$hash{$keys}>";
     push(@array, $cell);        
     }
}
}
print @array;

 for example: hash looks like this: %hash={
                                      TF1    => Lymph
                                Thoracic_duct =>    Lymph
                                    SK-MEL-1 => Lymph
                                       Brain => Brain
                                     Cerebellum =>  Brain
                                         };
   So if the term TF1 is found it should be substituted to Lymph TF1 /Lymph

Answer 1

我发现两个阻碍代码工作的大问题：

您正在使用哈希小写的键，但您没有这样做 $Sentence中的条款相同。因此，大写单词来自 $Sentence永远不会匹配。
\Q...\E修饰符会禁用正则表达式元字符。虽然在插入变量时执行此操作通常很好，但您不能在其中使用(\w+)之类的表达式 - 这将查找文字字符(\w+)。这些正则表达式需要像这样重写：m/\b\Q$keys\E(\w+)\b/。

您的代码还存在其他设计问题：

您正在使用未声明的全局变量。您应该使用my声明所有变量。始终打开use strict; use warnings;，这会强制您正确执行此操作。
Tie::IxHash似乎没有任何理由导致您的哈希值被排序。您不要在代码中以任何方式使用此排序。输出按@list排序。我会废除这个不必要的模块。
您的if/elsif语句是多余的。 if($term=~m/\b\Q(\w*)$keys(\w*)\E\b/)将完成与所有这些相结合的事情。请注意，我将\w+替换为\w*。这允许前后组匹配零个或多个字符而不是一个或多个字符。

注意：我没有用Tie::IxHash进行测试，因为我没有那个模块，看起来没必要。使用此模块可能还会在代码中引入其他问题。

Perl Hashes和正则表达式

1 个答案: