在一個文件/數組中，搜索散列鍵，並用散列值替換它，對所有散列鍵/值執行此操作。

Question

我在網站周圍搜索，出乎意料地我似乎找不到可以工作的東西爲我的特殊問題。所以我想我會發布它，看看你們中有些更有經驗的程序員如何解決問題。

我有一個文本文件，電子表格（多行與製表符分隔列），我想通過某些標籤（例如scaffold1253.1_size81005.6.32799_7496）進行搜索，並用更簡單的標籤（例如scaffold1253替換它們。 1a）中。這些標籤僅位於文本文件的第一列。我已經編寫了這個腳本，以便將舊標籤的散列作爲與新標籤對應的鍵作爲其各自的值。這個散列有大約26000行。所以基本上我想將散列鍵1乘1，在文本文件中搜索它們，並用它們各自的散列值替換它們。

我有一個相當不錯的服務器可用，所以如果它太複雜，使其第一列專門加快過程，那就沒關係。

這是我到目前爲止有：

use warnings; 



$gtf = './Hc_genome/Hc_rztk_1+2+8+9.augustus.gtf'; 
    open(FASTAFILE2, $gtf); 
    @gtfarray = <FASTAFILE2>; 
    #print @gtfarray; 


my %hash; 
while (<>) 
{ 
    chomp; 
    my ($key, $val) = split /\t/; 
    $hash{$key} .= exists $hash{$key} ? ",$val" : $val; 
} 

#print %hash; 

while (my ($find, $replace) = each %hash) { 
    foreach (@gtfarray){ 
     $_ =~ s/$find/$replace/g; 
     push @newgtf, $_; 
    } 
} 
print @newgtf; 

此代碼似乎並不工作，因爲它沒有完成。我很確定這是foreach循環結構的問題。對不起，我不知道有任何其他方式來做到這一點。有沒有人有更好的方式來運行這個文件並進行更換？

任何輸入將不勝感激！ 謝謝，

安德魯

@DVK

這裏是您的MODS的完整的腳本，以你的while循環，任何想法，爲什麼它不接受它運行到語法錯誤？再次感謝！

use warnings; 

$gtf = './Hc_genome/Hc_rztk_1+2+8+9.augustus.gtf'; 
    open(FASTAFILE2, $gtf); 

my %hash; 
while (<>){ 
    chomp; 
    my ($key, $val) = split /\t/; 
    $hash{$key} .= exists $hash{$key} ? ",$val" : $val; 
} 


while $line (<FASTAFILE2>){ 
    my @fields = split(/\t/, $line); 
    # If you only care about first column, don't need the foreach loop below; 
    # just do the loop insides on $fields[0] 
    foreach my $field (@fields) { 
     $field = $hash{$field} if exists $hash{$field}; 
     print $outfile "$field\t"; # Small bug - will print training \t 
    } 
    print $outfile "\n" 
} 

__END__ 

下面是語法錯誤： 的perl在gtf_mod2.pl線14 gtf_mod2.pl < ./Hc_genome/header_file.txt 語法錯誤，接近 「而$線」 在gtf_mod2.pl線 語法錯誤23，在「}」 附近執行gtf_mod2.pl由於編譯錯誤而中止。

Answer 1

第一次通過循環使用初始的$find和$replace鍵/值對耗盡文件。

有兩種可能的解決方案：

1. 打開期間每個迭代while循環（昂貴的）
2. 移動foreach循環的同時，外部和迭代讀取文件哈希各時間（較便宜）

例如：

REPLACE: 
for my $line (@gtfarray) { 
    while(my ($find, $replace) = each %hash) { 
     if($line =~ s/$find/$replace/g) { 
     push @newgtf, $line; 
     next REPLACE; # skip to next iteration 
     } 
    } 
    # if there was no replacement, push the old line 
    push @newgtf, $line 
} 

Answer 2

您要替換第一列的文件有多大？

如果是> 50,000行，你最好做反向：通過散列文件

• 迭代一次，那散列

• 迭代存儲在內存中，通過主文件一次，併爲每行，每列，發現在記憶的哈希值，如果發現散列值替換，並寫。

換句話說，除去第一@gtfarray = <FASTAFILE2>;，代之以你最後while循環：

while my $line (<FASTAFILE2>) { 
    my @fields = split(/\t/, $line); 
    # If you only care about first column, don't need the foreach loop below; 
    # just do the loop insides on $fields[0] 
    foreach my $field (@fields) { 
     $field = $hash{$field} if exists $hash{$field}; 
     print $outfile "$field\t"; # Small bug - will print training \t 
    } 
    print $outfile "\n"; 
} 

注：我做一個假設，即字段包含的散列鍵的全部內容（如您的數據文件將包含與「scaffold1253.1_size81005.6.32799_7496」，而不是一個字段的字段與「XYZscaffold1253.1_size81005.6.32799_7496 ___ IOU」）。

如果這個假設是錯誤的，並且確實需要運行正則表達式，因爲腳手架字符串可能包含在更長的字符串中，除了運行O（N * M）正則表達式之外，還可能有更好的解決方案：如果腳手架串都是有一定知名度定義的格式（例如，「scaffoldNNNNN.NNN_sizeNNNNN.NNN.NNNN_NNNN」）的，你需要做的又是什麼：

• 對於數據文件的每一行，運行一個單一的正則表達式發現，圖案，整個圖案在捕獲組圓括號內：

  @matches = ($line =~ m/(scaffold\d+\.\d+_size\d+\.\d+\.\d+_\d+/g); 
  

• 然後，在散列中查找@matches數組的每個值。如果找到，只運行匹配s ///正則表達式。

Answer 3

難道這是Tie::File的工作嗎？假設，也就是說，數據文件可以作爲一個數組來操作。

use Tie::File; 

my $file = "./Hc_genome/Hc_rztk_1+2+8+9.augustus.gtf"; 

tie @lines, 'Tie::File', $file or die ; 
for (@lines) { 
s/Oldlabel/NewLable/g; # Change this to fit 
} 

untie @lines ; 

Tie::File做了一堆花樣，以保持「到位」更改文件存儲效率。

Answer 4

看着你previous post，那豈不是更簡單的創建縮短的「身份證」，而讀取文件。那麼你會不需要其他文件，你得到你的散列？

這裏是（未測試）下面的代碼。 （需要將打印語句指向命令行上的輸出文件或打開文件以寫入腳本）。

#!/usr/bin/perl 
use strict; 
use warnings; 

my $gtf = './Hc_genome/Hc_rztk_1+2+8+9.augustus.gtf'; 
open my $FASTAFILE2, "<", $gtf or die "Unable to open '$gtf' for reading. $!"; 

my %seen; 

while (<$FASTAFILE2>) { 
    chomp; 
    my ($id, $val) = split /\t/, $_, 2; 

    # copy $id to $prefix and 
    # remove everything after '.1' in $prefix 
    (my $prefix = $id) =~ s/\.1\K.*//; 

    if ($seen{$id}) { 
     ++$seen{$id}; 
    } 
    else { 
     $seen{$id} = 'a'; 
    } 
    print "$prefix$seen{$id}\t$val\n"; 
} 

close $FASTAFILE2 or die "Unable to close '$gtf' from reading. $!";