Perl 替换不起作用

Question

我有以下代码：

use warnings;
use strict;

my %hash;

open TRADUCTOR, $ARGV[0];
open GTF, $ARGV[1];

while (my $line = <TRADUCTOR>) {
    chomp $line;
    my @chompline = split(/\t/, $line);
    $hash{$chompline[2]} = $chompline[1];
}

while (my $line = <GTF>) {
    my @chompline1 = split(/\t/, $line);
    my @chompline2 = split(/ /, $chompline1[8]);
    my @chompline3 = split(/;/, $chompline2[2]);
    my $transcript = $chompline3[0];
    $transcript =~ s/"//g;
    $transcript =~ s/PAC://g;
    my $transcript2 = $transcript;
    $transcript2 =~ s/(_[jox])/&&&$1/g;
    my @chompline4 = split(/&&&/, $transcript2);
    my $coletilla = $chompline4[1];
    my $transl = $hash{$chompline4[0]};
    if (defined $chompline4[1]) {
        $line =~ s/PAC:$transcript;/$transl.$coletilla;/ee;
    } else {
        $line =~ s/PAC:$transcript;/$hash{$chompline4[0]};/ee;
    }
    print $line;
}

第一个参数是以下文件（前十行）：

Sb01g017490 Sb01g017490.1   1951419
Sb02g039360 Sb02g039360.1   1959410
Sb01g037620 Sb01g037620.1   1953645
Sb03g003880 Sb03g003880.1   1960464
Sb01g001330 Sb01g001330.1   1949441
Sb01g049890 Sb01g049890.1   1955138
Sb09g030646 Sb09g030646.1   1982110
Sb02g011950 Sb02g011950.1   1956744
Sb04g008540 Sb04g008540.1   1965938

第二个参数是以下文件（前十行）：

A01 greenc1.0   exon    5409    5518    .   -   .   gene_id "Bra.XLOC_002074";transcript_id "Bra.TCONS_00002741";transcript_biotype "protein_coding"
A01 greenc1.0   exon    5616    5654    .   -   .   gene_id "Bra.XLOC_002074";transcript_id "Bra.TCONS_00002741";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8307    8530    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627_j.1";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8426    8530    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8599    8844    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627_j.1";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8599    8823    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8919    9056    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627_j.1";transcript_biotype "protein_coding"
A01 greenc1.0   exon    8919    9056    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"
A01 greenc1.0   exon    9151    9413    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627_j.1";transcript_biotype "protein_coding"
A01 greenc1.0   exon    9151    9413    .   -   .   gene_id "Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"

我想将文件 2 中的字符串替换为来自文件 1 的另一个字符串。但是，文本替换不起作用...没有任何内容被替换。怎么回事？

这是有问题的代码：

if (defined $chompline4[1]) {
    $line =~ s/PAC:$transcript;/$transl.$coletilla;/ee;
} else {
    $line =~ s/PAC:$transcript;/$hash{$chompline4[0]};/ee;
}

Answer 1

您在替换正则表达式中使用/ee。这是一种可怕的做法，只能作为 Perl 被滥用的令人沮丧的例子。或者鼓励有经验的（？）程序员如何滥用 Perl 的例子。

您不需要使用评估来插入变量。您不需要评估来连接字符串。而您正在评估 两次，这意味着：

$foo = "bar";   # assume
s/.../$foo/ee   # before
s/.../bar/e     # first eval
s/.../bar/      # second eval - bareword becomes string, if you are lucky

第二次评估时发出的警告与您在程序中输入bar 相同：

Unquoted string "bar" may clash with future reserved word
Name "main::bar" used only once: possible typo

除非您希望自己的数据被破坏，否则我建议您使用不同的策略。您当前的代码允许部分匹配，删除分隔符，并且在应该考虑的地方没有考虑引号。我认为这就是为什么您要修改数据以准备此正则表达式替换的原因。

我会给你一些关于如何解决问题的建议，但我觉得我没有足够的有效信息来说明你正在尝试做什么，除了看起来你正在尝试替换例如

"Bra011902";transcript_id "PAC:22703627";transcript_biotype "protein_coding"

与

Sb01g017490.1   

Answer 2

我试过运行你的程序，但是很困难，因为我不知道哪些空格是空格，哪些是制表符。

我建议不要使用诸如chomplines 之类的随机名称，而是使用实际的字段名称。此外，使用/\s*/ 打破您的字段，这将允许您同时获取制表符和空格：

chomp $line; # You forgot it the first time around!
my ($f1, $f2, $f3, $f4, $f5, $f6...) = split /\s*/, $line;

其中$f1、$f2 等是要拆分的字段的实际名称。

我个人会创建一个由字段值作为键的哈希：

my @fields = qw(field1 field2 field3 field4 field5 field6); 

然后，拆分该行并从中创建一个散列。 （我很想用map 想办法做到这一点）：

my %values;
my @field_values = split /\s+/, $line;
for my $index ( (0..$#fields) ) {
    $values{ $field[$index] } = $field_values[$index];
}

这将使您的程序更容易调试，并且更容易跟踪正在发生的事情。另外，通过使用/\s+/ 在空白 上拆分一次，您不必担心制表符和空格会被弄乱，或者两个制表符分隔单个字段。您将需要第二次拆分来拆分用分号分隔的字段，但使用字段名称而不是数组位置会使事情更容易处理。