Perl文本处理
前几天有个同事请教我安装R的事,然后我甩给他一个R包让他自己去安装。最后因为服务器权限不足,没有安装成功。然后我问了一下是需要什么功能,原来是需要将几个文件整合到一起,我一想,这个perl不就可以解决了。接下来我要安利一下perl强大的文本处理能力了。
首先,假设我有很多个文件,格式如下:
现在我需要整合这几个文件,最终格式如下:
0和1分别表示在对应文件中存在与否(当然也可以是对应文件中的表达值)。
大家第一时间肯定会想到用哈希表,但是怎么用呢?每个文件设置一个哈希?这个太傻了,而且如果文件很多,那可怎么办….那么用数组,但是数组怎么区分每一行呢?说到这里,可能大家都知道了,没错,用哈希数组。
大概思路是这样的,每当第i个文件的某一行时,检测是否有name对应的哈希key,如果没有,设置以这个name为哈希key的哈希数组为0数组。然后将这个数组的第i个值设置为1就好了。
闲话少说,看代码(注意加粗字体):
use warnings;
use strict;
my %hash=();
my @tmp=(0)x@ARGV;
for(my $i=0;$i<@ARGV;$i++){
open IN,$ARGV[$i];
while(){
chomp;
my @sArr=split(/\t/,$_);
unless(exists $hash{$sArr[0]}){
@{$hash{$sArr[0]}}=@tmp;
}
$hash{$sArr[0]}[$i]=1; }
close IN;
}
foreach my $key(keys %hash){
print join("\t",$key,@{$hash{$key}})."\n"; }
是不是很简单,所以一般涉及到文本处理我一般都是先用perl处理好,之后再用R进行其它计算或者画图。
下面再安利一段添加千分符的程序,
use strict;
use warnings;
my $input =shift;
my $output=shift;
open IN,$input;
open OUT,">$output";
while(my $line=){
if($line=~s/(\d+.{0,1}\d+)/&separate($1)/eg);
print OUT $line;
}
sub separate{
my $number=$1;
if(substr($number,0,1)==0){return $number;}
if($number=~m/./){
return $number;
}
if(length($number)>3){
my $l=length($number);
my $i=int $l/3;
my $j=$l%3;
my $newnum="";
my $h=substr($number,0,$j);
for(;$i>0;$i--){
if($j!=0){$newnum=$newnum.$h.",";}
$h=substr($number,$j,3);
$j+=3;
}
$newnum=$newnum.$h;
return $newnum;
}
else{return $number;}
}
close(IN);
close(OUT);
这个代码是我刚做生信的时候做的,思路也不难,首先通过这一段程序识别数字序列(纯数字或带小数点),然后对是别人到的数字系列进行处理(也就是添加千分符),先得到数字系列长度对3取模(字符处理位置)和取余数(循环次数),最后就是在循环里面用substr把千分符加进去而已,思路很简单,具体还是看代码吧。
perl强大的模式匹配以及好用的哈希结构,是很好的数据处理语言,特别是生信分析中涉及到的大量的匹配和数据提取整合等工作。
网友评论