Question

我有以下代码：

use warnings;
use strict;

my %hash;

open TRADUCTOR, $ARGV[0];
open GTF, $ARGV[1];

while (my $line = <TRADUCTOR>) {
    chomp $line;
    my @chompline = split(/\t/, $line);
    $hash{$chompline[2]} = $chompline[1];
}

while (my $line = <GTF>) {
    my @chompline1 = split(/\t/, $line);
    my @chompline2 = split(/ /, $chompline1[8]);
    my @chompline3 = split(/;/, $chompline2[2]);
    my $transcript = $chompline3[0];
    $transcript =~ s/"//g;
    $transcript =~ s/PAC://g;
    my $transcript2 = $transcript;
    $transcript2 =~ s/(_[jox])/&&&$1/g;
    my @chompline4 = split(/&&&/, $transcript2);
    my $coletilla = $chompline4[1];
    my $transl = $hash{$chompline4[0]};
    if (defined $chompline4[1]) {
        $line =~ s/PAC:$transcript;/$transl.$coletilla;/ee;
    } else {
        $line =~ s/PAC:$transcript;/$hash{$chompline4[0]};/ee;
    }
    print $line;
}

第一个参数是以下文件（前十行）：

Sb01g017490 Sb01g017490.1   1951419
Sb02g039360 Sb02g039360.1   1959410
Sb01g037620 Sb01g037620.1   1953645
Sb03g003880 Sb03g003880.1   1960464
Sb01g001330 Sb01g001330.1   1949441
Sb01g049890 Sb01g049890.1   1955138
Sb09g030646 Sb09g030646.1   1982110
Sb02g011950 Sb02g011950.1   1956744
Sb04g008540 Sb04g008540.1   1965938

第二个参数是以下文件（前十行）：

A01 greenc1.0   exon    5409    5518    .   -   .   gene_id "Bra.XLOC_002074";transcript_id "Bra.TCONS_00002741";transcript_biotype "protein_coding"
A01 greenc1.0   exon    5616    5654    .   -   .   gene_id "Bra.XLOC_002074";transcript_id "Bra.TCONS_00002741";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8307    8530    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627_j.1";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8426    8530    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8599    8844    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627_j.1";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8599    8823    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8919    9056    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627_j.1";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8919    9056    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"
A01 greenc1.0   exon    9151    9413    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627_j.1";transcript_biotype "protein_coding"
A01 greenc1.0   exon    9151    9413    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"

我想将文件2中的字符串替换为来自文件1的另一个字符串。但是，文本替换不起作用......没有替换任何内容。发生了什么事？

这是一段有问题的代码：

if (defined $chompline4[1]) {
    $line =~ s/PAC:$transcript;/$transl.$coletilla;/ee;
} else {
    $line =~ s/PAC:$transcript;/$hash{$chompline4[0]};/ee;
}

Answer 1

您在替换正则表达式上使用/ee。这是一种可怕的做法，只能用作Perl如何被滥用的令人沮丧的例子。或者鼓励熟练（？）程序员如何滥用Perl的例子。

您无需使用评估来插入变量。您不需要评估来连接字符串。你正在评估两次，这意味着：

$foo = "bar";   # assume
s/.../$foo/ee   # before
s/.../bar/e     # first eval
s/.../bar/      # second eval - bareword becomes string, if you are lucky

在第二个评估中发出的警告与您在程序中输入bar的警告相同：

Unquoted string "bar" may clash with future reserved word
Name "main::bar" used only once: possible typo

除非您希望数据被破坏，否则我建议您使用其他策略。您当前的代码允许部分匹配，删除分隔符，并且不考虑它应该在哪里引用。我假设这就是为了准备这个正则表达式替换而破坏你的数据的原因。

我会就如何解决问题给你一些建议，但我觉得我没有足够的有效信息来说明你要做什么，只是看起来你试图替换它。

"Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"

带

Sb01g017490.1

Answer 2

我已经尝试过运行你的程序，但是很难，因为我不知道哪些空格是空格，哪些是标签。

我建议使用实际字段名称，而不是使用chomplines之类的随机名称。此外，使用/\s*/来破坏您的字段，这样您就可以同时获取标签和空格：

chomp $line; # You forgot it the first time around!
my ($f1, $f2, $f3, $f4, $f5, $f6...) = split /\s*/, $line;

其中$f1，$f2等是被拆分字段的实际名称。

我个人会创建一个由字段值键入的哈希值：

my @fields = qw(field1 field2 field3 field4 field5 field6);

然后，拆分该行并从中创建一个哈希值。（我想用map）找出一种方法：

my %values;
my @field_values = split /\s+/, $line;
for my $index ( (0..$#fields) ) {
    $values{ $field[$index] } = $field_values[$index];
}

这将使您的程序更容易调试，更容易跟踪正在发生的事情。另外，通过使用/\s+/在空白上拆分一次，您不必担心标签和空格混乱，或者两个标签分隔单个字段。您将需要第二次拆分以分割用分号分隔的字段，但使用字段名称而不是数组位置将使事情更容易使用。

Perl替换不起作用

2 个答案: