使用perl将基于染色体的`.bed`文件拆分为`chromosomeName.bed`答案

【问题标题】：Splitting a `.bed` file based on chromosomes into `chromosomeName.bed` with perl使用perl将基于染色体的`.bed`文件拆分为`chromosomeName.bed`
【发布时间】：2016-02-05 07:42:26
【问题描述】：

我正在尝试使用perl 根据染色体将.bed 文件拆分为多个文件。比如我的输入文件是example.bed:

chr1    12190   12227
chr1    12595   12721
chr2    876522  876688
chr2    887378  887521
...

而我的理想输出是两个.bed 文件：

chr1.bed

chr1    12190   12227
chr1    12595   12721

chr2.bed

chr2    876522  876688
chr2    887378  887521

我知道使用awk 执行此操作更容易，但我希望弄清楚如何使用perl 脚本执行此操作。

【问题讨论】：

标签： perl file split

【解决方案1】：

您可以维护文件句柄的哈希：

$ cat example.bed 
chr1 12190 12227
chr1 12595 12721
chr2 876522 876688
chr2 887378 887521

$ perl -ane '
    open $out{$F[0]}, ">", $F[0].".bed" unless $out{$F[0]}; 
    print { $out{$F[0]} } $_;
' example.bed

$ cat chr1.bed
chr1 12190 12227
chr1 12595 12721

$ cat chr2.bed
chr2 876522 876688
chr2 887378 887521

如果您有数百种不同的染色体，您可能会用完打开的文件句柄。在这种情况下，您必须为每一行打开追加、打印和关闭。

【讨论】：

而且，是的，awk 是等效的，但更简单：awk '{f = $1 ".bed"; print > f}' example.bed

【解决方案2】：

可能有点冗长，但如果您需要操作（排序、搜索等）内容，将提供灵活性。通常，如果数据文件适合内存，我更喜欢将整个文件放入内存并从那里开始。

use strict;
use warnings;

# initialize the hash to contain the content    
my %bed;
# read the entire file into memory
# stuffing same into a hash
while(<DATA>)
{
    chomp;
    my @line = split;
    my $car = $line[0];
    my $cdr = join(' ', @line[1,-1]);
    push(@{$bed{$car}}, $cdr);
}

foreach my $k (keys %bed)
{
    # create filename
    my $fn = $k . '.txt';
    # open file for writing
    open OUT, '>', $fn or die "Cannot open $fn, $!";
    # print each element of the hash key
    foreach my $e (@{$bed{$k}}) { print OUT "$e\n"; }
    # close file`
    close OUT;
}
exit(0);    

__DATA__
chr1    12190   12227
chr1    12595   12721
chr2    876522  876688
chr2    887378  887521

【讨论】：