perl 中的文件列比较和附加输出答案

【问题标题】：file column comparison and appending output in perlperl 中的文件列比较和附加输出
【发布时间】：2017-04-22 20:04:19
【问题描述】：

我的两个输入文件为：

file1.txt 为，

NP_418770.2
NP_416485.4

和file2.txt一样，

NP_415931.4: 1-8, 29-40, 69-80, 100-111, 124-132
NP_418770.2: 264-293
YP_026226.4: 84-101, 174-182, 208-217, 332-341, 376-388, 593-606
NP_416485.4: 1-18, 16-25, 106-122, 129-153
NP_417679.2: 1-10
NP_417044.4: 1-25, 221-231, 825-836

仅获取file2中file1的匹配第一列值并将输出文件写入（output.txt）：

NP_418770.2: 264-293
NP_416485.4: 1-18, 16-25, 106-122, 129-153

我使用 awk 代码为：

awk -F: "FNR==NR {a[$1]=$0; next}; $1 in a {print a[$1]}" file2.txt file1.txt > output.txt

现在，在更新的情况下，除了上述输入之外，我还有两个与 file2.txt 格式相同的输入文件：

file3.txt

NP_415931.4: 11-88, 59-90, 119-130
NP_418770.2: 254-283

和file4.txt

NP_418770.2: 24-29, 33-50
NP_416485.4: 1-8, 16-22, 26-32, 39-53

我已经有一个 csv 格式的 output.csv 文件（带有标题）：

RefSeq_ID,a,b,c,d,e,f,Go_terms(%)
NP_418770.2,25,83,0,0,0,0,GO:0005887
NP_416485.4,13,19,8,12,0,0,GO:0016878 GO:0051108

现在，我的问题是，如何将所有三个输入文件的输出附加到预先存在的 output.csv 中？对于上述情况，我想要的修改后的示例 output.csv 将是（第一行是标题）：

RefSeq_ID,file2_output,file3_output,file4_output,a,b,c,d,e,f,Go_terms
NP_418770.2,264-293,254-283,24-29; 33-50,25,83,0,0,0,0,GO:0005887
NP_416485.4,1-18; 16-25; 106-122; 129-153,,1-8; 16-22; 26-32; 39-53,13,19,8,12,0,0,GO:0016878 GO:0051108

（请注意，我将file2、3和4输出中的“，”更改为“;”，因此不会干扰csv文件的格式）

虽然我在初步案例中尝试使用 awk，但如何使用 perl 代码来完成？

【问题讨论】：

为什么需要切换到 Perl？

标签： perl

【解决方案1】：

这几乎产生了您想要的输出，只是并不总是保留行的顺序。

#!/usr/bin/perl
use warnings;
use strict;
use feature qw{ say };

open my $F1, '<', 'file1.txt' or die $!;
my %f1;
while (<$F1>) {
    chomp;
    $f1{$_} = 1;
}

my %output;
my $count = 1;
for my $file (qw( file2.txt file3.txt file4.txt )) {
    open my $F2, '<', $file or die $!;
    while (<$F2>) {
        chomp;
        my @cells = split qr/[,:] /;
        push @{ $output{ $cells[0] } }, [ @cells[ 1 .. $#cells ] ]
            if exists $f1{ $cells[0] };
    }
    @$_ != $count and push @$_, [] for values %output;
    ++$count;
}
open my $F2, '<', 'output.csv' or die $!;
while (<$F2>) {
    chomp;
    my ($key, $rest) = split /,/, $_, 2;
    push @{ $output{$key} }, [$rest] if exists $f1{$key};
}


for my $k (keys %output) {
    say "$k,", join ',', map { join '; ', @$_ } @{ $output{$k} };
}

它创建一个以第一列为键的数组哈希，来自不同文件的值被推入循环中的内部数组，空数组被推入缺少的键以获得双逗号。

【讨论】：