在 Perl 中以相反的顺序匹配字符串答案

【问题标题】：Matching strings in reverse order in Perl在 Perl 中以相反的顺序匹配字符串
【发布时间】：2015-12-09 19:24:33
【问题描述】：

我有这个文件，第一列中有一对由空格分隔的字符串，另外两列有值。我想创建一个新文件，其中字符串对在同一行中匹配，无论它们的顺序如何。例如，打印包含对“GAT_1 GAT_2”的行，以及旁边包含“GAT_2 GAT_1”的行。将每个字符串分配给给定对的变量后，如何在不重复的情况下比较它们的不同行？

# discard headers

foreach $line (@file) {
  @columns = split (/\t/, $line);
  @strings = split (/\s/, $columns[0]);
    # pseudocode:
foreach line that has pair "$strings[0] $strings[1]" {
    print $line,"\t", and $line where pair is "$strings[1] $strings[0]"

Input:
   pair         val1    val2
GAT_1 GAT_2     0.2     4.5
GAT_1 GAT_3     0.1     0.2
GAT_4 GAT_5     0.9     7.5
GAT_5 GAT_4     0.5     8.3
BLAC BABA       8.3     1.3
BABA BLAC       8.9     1.1
GAT_2 GAT_1     1.2     2.1
GAT_3 GAT_1     3.4     4.3


Ouput:
   pair        val1     val2       pair        val1   val2
GAT_1 GAT_2     0.2     4.5    GAT_2 GAT_1     1.2     2.1
GAT_1 GAT_3     0.1     0.2    GAT_3 GAT_1     3.4     4.3
GAT_4 GAT_5     0.9     7.5    GAT_5 GAT_4     0.5     8.3
BLAC BABA       8.3     1.3    BABA BLAC       8.9     1.1

【问题讨论】：

您只关心匹配（反转）对的行吗？此外，您如何在拆分后强制执行严格数量的值？当然，这是为了什么？
看来您自己并没有很努力地解决这个问题。伪代码是一个开始，但实际的努力呢？
@sln 是的，我只关心那些行，但它们都应该有一个匹配的反向对。我试图避免为每个匹配生成具有以下输出的文件：pair val1 val2 pair val1 val2 GAT_1 GAT_2 0.2 4.5 GAT_2 GAT_1 1.2 2.1 GAT_2 GAT_1 1.2 2.1 GAT_1 GAT_2 0.2 4.5 但我不知道如何强制执行严格的数量拆分后的值。这是为了消除文件中的冗余，因为对被视为不同的实体，但它们实际上是相同的。
@Matt Jacob 我真的想不出一个算法来解决这个问题，问题应该是“这可能吗？”
这就是编程——一切皆有可能！ ;-) 专门研究散列。你的输入文件有多大？

标签： regex perl match

【解决方案1】：

这是解决此问题的一种方法，它适用于任意数量的值列。基本方法是我在comment 中提出的建议，即规范化键，然后将我们找到的任何值推送到数组中。

use strict;
use warnings;

my %unique;

while (<DATA>) {
    chomp;
    next unless /^\S/;
    my @fields = split;

    my $key = join(' ', sort(splice(@fields, 0, 2)));
    push(@{$unique{$key}}, @fields);
}

for my $key (keys(%unique)) {
    print join("\t", $key, @{$unique{$key}});
    print "\n";
}

__DATA__
   pair         val1    val2
GAT_1 GAT_2     0.2     4.5
GAT_1 GAT_3     0.1     0.2
GAT_4 GAT_5     0.9     7.5
GAT_5 GAT_4     0.5     8.3
BLAC BABA       8.3     1.3
BABA BLAC       8.9     1.1
GAT_2 GAT_1     1.2     2.1
GAT_3 GAT_1     3.4     4.3

输出：

GAT_4 GAT_5     0.9     7.5     0.5     8.3
GAT_1 GAT_2     0.2     4.5     1.2     2.1
BABA BLAC       8.3     1.3     8.9     1.1
GAT_1 GAT_3     0.1     0.2     3.4     4.3

【讨论】：

我现在明白你所说的“标准化”是什么意思了。这是我自己无法弄清楚的“拼接”。谢谢。为什么需要“下一个，除非 /^\S/;”？
next unless ... 行会跳过具有前导空格的行，从而忽略标题行。您也可以使用next if $. == 1 明确跳过第一行。
感谢您的解释。

【解决方案2】：

https://stackoverflow.com/a/34189380/103780 的一点点变化都会给你你想要的：（未经测试）： my @keys = splice(@fields, 0, 2); my $key = join(' ', @keys); my $skey = join (' ', sort @keys); push(@{$unique{$skey}{$key}}, @fields);

for my $skey (keys(%unique)) { for my $key (keys(%unique{$skey})) { print join("\t", $key, @{$unique{$skey}{$key}}); print "\t"; } print "\n"; }

【讨论】：