从制表符分隔符文本文件中的列中提取值[关闭]答案

【问题标题】：Extracting values from columns in tab delim text file [closed]从制表符分隔符文本文件中的列中提取值[关闭]
【发布时间】：2015-02-11 21:11:00
【问题描述】：

perl我有制表符分隔的文本文件，有 3 列，如下所示

Name                Description                         Ontology
dda1        box1_homodomain gn=box1 os=homo   C:Cell;C:surface;F:binding;P:toy
dda2        sox2_plurinet gn=plu os=mouse     C:Organ;F:transport;P:carrier;P:avi
dd13        klf4_iPSC gn=klf os=Bos           C:Cell;F:tiad;P:abs;P:digestion

现在我想将描述列中的值（gn=xxx 和 os=xxx）和本体列中的值（C:xxx;F=xxx;P=xxx;）拆分为单独的列，如下所示：

Name   Description     gn      os        C              F              P       
dda1  box1_homodomain box1    homo    Cell;surface    binding          toy
dda2  sox2_plurinet   plu     mouse   Organ;          transport    carrier;avi
dd13  klf4_iPSC       klf     Bos     Cell;            tiad       abs;digestion

我希望这必须导出为制表符分隔文件或 excel 文件。如果有人能指导我如何在 perl 中实现这一点，我会非常棒。请帮帮我。

提前致谢

【问题讨论】：

如果您只询问一种语言，这个问题会更好。允许以多种语言提供答案只会降低未来读者以他们当前所用语言寻求答案的有用性。

标签： regex r split extract

【解决方案1】：

在使用 Java 5 年后，我看到了 perl 问题。我很兴奋，我想做这个练习。现在，我记得我做过的事情并粘贴了下面的代码。只需使用正则表达式和相同的哈希概念丰富最后一列“本体”的相同代码即可。您可以在 perl 中执行多种方式。它可能是更多的代码。但是，我记得下面的方式。

#!/usr/bin/perl

use Data::Dumper;
my %output;
open(IN, "stack.txt");
while(<IN>) {
  my @nameColumns, @descriptionColumns;
  if ($_ =~ /Name/) {
    $ouput{'Name'} = @nameColumns;
    $ouput{'Description'} = @descriptionColumns;
    next;
  }
  my ($group1, $group2, $group3, $group4, $group5, $group6, $group7) = ($_ =~ m/(\w+)\s+(\w+)\s+(\w+)\=(\w+)\s+(\w+)\=(\w+)\s+(.*)/gi);
  # Column 1
  @nameColumns = @{$output{'Name'}};
  push(@nameColumns, $group1);
  $output{'Name'} = [@nameColumns];

  # Column 2
  #print "$group2, $group3, $group4, $group5, $group6, $group7"; 
  @descriptionColumns = @{$output{'Description'}};
  push(@descriptionColumns, $group2);
  $output{'Description'} = [@descriptionColumns];

  # column 3
  @column3 = @{$output{$group3}};
  push(@column3, $group4);
  $output{$group3} = [@column3];

  # column 4
  @column4 = @{$output{$group5}};
  push(@column4, $group6);
  $output{$group5} = [@column4];

  #Column ...

}
close(IN);
print Dumper(\%output);

$VAR1 = {
          'gn' => [
                    'box1',
                    'plu',
                    'klf'
                  ],
          'os' => [
                    'homo',
                    'mouse',
                    'Bos'
                  ],
          'Name' => [
                      'dda1',
                      'dda2',
                      'dd13'
                    ],
          'Description' => [
                             'box1_homodomain',
                             'sox2_plurinet',
                             'klf4_iPSC'
                           ]
        };

注意：上面的输出。如果你还没有弄清楚，如何完成这个程序让我知道要花更多的时间

【讨论】：