Perl - 应该设置值时出现“使用未初始化的值”错误？

Question

在嵌套的“while”循环中读取文件时遇到“使用未初始化的值”错误。我已将代码缩减到最低限度，并删除了文件名/目录以保护隐私：

#/usr/bin/perl -w
use strict;
use warnings;
use diagnostics;

my $line_gene = undef;
my $gene_name = undef;
my $gene_chr  = undef;
my $gene_pos  = undef;
my $line_pval = undef;
my $chr       = undef;
my $pos_start = undef;
my $pos_end   = undef;
my $pos_mid   = undef;
my $pval      = undef;

open(IN_GENE,"somefile_gene") || die "Failed, gene\n";
open(IN_PVAL,"somefile_pval") || die "Failed, pval\n";

while ($line_gene = <IN_GENE>) {
   chomp $line_gene;
   ($gene_name,$gene_chr,$gene_pos) = split(/\t/,$line_gene);
   while ($line_pval = <IN_PVAL>) {
      chomp $line_pval;
      ($chr,$pos_start,$pos_end,undef,undef,$pval) = split(/\t/,$line_pval);
      $pos_mid = ($pos_start + $pos_end)/2;
      if ($gene_chr == $chr) {
         print $gene_chr."\t".$chr."\n";
      }

   }
   seek IN_PVAL, 0, 0;
}
exit;

当我运行此代码时，我收到以下错误消息：

Use of uninitialized value $gene_chr in numeric eq (==) at Xtest.pl line 36,
<IN_PVAL> line 5772 (#1)

然后遵循这些"Use of uninitialized value" 警告是打印到标准输入的正确行：

6       6
1       1
20      20
...     ...

除非我明显做错了什么，否则我看不出它为什么认为$gene_chr 未初始化。有趣的是，对于输入文件<IN_PVAL> 的每一行，它都会从第 1 行到第 5772 行打印上述"Use of uninitialized value" 警告（见上面的警告），除了这个文件只有 2886 行，正好是 5772 的一半。

两个输入文件（<IN_GENE> 和 <IN_PVAL>）都没有空行，无论是在中间还是在末尾，并且都按照预期的格式使用正确数量的字段，其中没有一个是空的。

任何建议将不胜感激。谢谢！

Answer 1

如果$gene_chr 未定义，则这意味着，对于somefile_gene 的一行或多行，

($gene_name,$gene_chr,$gene_pos) = split(/\t/,$line_gene);

返回 undef 作为它的第二个值（或返回少于两个值，这实际上是一回事）。

我可以想到两种可能发生这种情况的方式：

1) 行不包含制表符，导致将整个未拆分行放入$gene_name。这可能是由于错误地使用空格而不是制表符来分隔字段的行。

2) 在第一个值之后，行包含两个连续的制表符。如果$gene_name 的长度变化很大，这可能是由于有人试图让字段排列得更“漂亮”以进行视觉呈现。

另外有趣的是对于输入文件的每一行 ，它会打印上面的“使用未初始化的值”警告 从第 1 行到第 5772 行（见上面的警告），除了这个文件 只有 2886 行，正好是 5772 的一半。

它显示的行号只是从文件中读取了多少行的计数器。由于您 seek 在每次传递时都回到文件的开头而不是关闭并重新打开它，因此计数器永远不会重置。

从 1 到（2 * pval 文件中的行数）的行号表明您在 pval 文件中的错误位于前两行，分别为 1..2886 和 2887..5772，分别。如果错误出现在文件的后面，则计数器会更高。

此外，作为一般提示，除非 pval 文件中的行非常长，否则我会认真考虑是否可以将其内容读入以$pval_chr 为键的散列中，然后替换整个内循环与

if (exists $pval_hash{$gene_chr}) { ... do stuff ... }

如果基因文件中的行数多于几行，这将显着提高性能，因为它不需要为基因文件中的每一行重新读取 pval 文件。

Answer 2

“chr”是保留关键字。无论如何，您都不应该将其用作变量名。

您应该在拆分后添加一行print Dumper($gene_chr,$chr,$line_pval);，并在顶部添加一行use Data::Dumper;。它会告诉你很多关于你的数据的信息。我想问题可能出在您的数据文件中。

也许还可以在某处添加 exit if $. > 10 以在从文件中读取 10 行后退出，并使调试更容易。

Answer 3

由于我没有太多事情要做，这主要是有根据的猜测。但是，有了一些反馈，我认为我们可以有所收获。我添加了这个作为答案，因为我觉得评论信息太多了。

分析

显然在某些时候，拆分中没有足够的字段来为$gene_chr 分配值。这就是它变得未初始化的原因。就是这一行：

($gene_name,$gene_chr,$gene_pos) = split(/\t/,$line_gene);

如果该行中根本没有制表符，则会发生这种情况，否则您将得到一个空字符串，并且您的错误将是关于"" 在== 中不是数字。即：

Argument "" isn't numeric in numeric eq (==)

由于您的错误报告的行数是内部循环文件中最大行数的两倍，因此我推测您的 IN_GENE 文件只有两行数据。此外，我猜它有一个尾随 blank 行，你没有注意到，这就是导致错误的原因。它并没有完全加起来，但值得一试，看看它是否能解决您的问题。

解决方案

尝试添加检查以查看是否有空行。比如：

...
while ($line_gene = <IN_GENE>) {
   chomp $line_gene;
   unless ($line_gene =~ /\S/) {   # unless the line contains non-whitespace
       warn "Warning: Blank line in gene file";
       next;
   }

这将警告您有空行，并跳过它们。警告（以及其他错误）转到 STDERR，这意味着您可以将它们与 STDOUT 中的标准输出分开。