如何在Perl中选择行的一部分？

问题描述

| 我有很多长文件，但我只对每个文件的部分信息感兴趣。到目前为止，我有一个修剪文件的代码，并为我提供了包含所需信息的行，当时只处理一个文件。 这是我正在使用的代码：

 #!/usr/bin/perl
use strict;
use warnings;
my $data;

open FILE,\"<$ARGV[0]\" or die \"cannot open file \'$ARGV[0]\'!\\n\\n\";

while ($data= <FILE>){
    chomp $data;

    if( $data=~m/\\<input type=\"hidden\" name=\"description\" value=\"454read\"><input type=\"hidden\" name=\"format\" value=\"fasta\"><input type=\"submit\" name=\"submitbutton\" value=\"FASTA\"/)
    {
        $data=~s/[^ACTGN]//g;
        print $data;
    }
}

这是我得到的输入：

 <input type=\"hidden\" name=\"sequence\" value=\"TTGTTGAGCTCGACGGTCATGACCCAGCTGGAGTCGGCACGGGCACCCGCGCGCTTCTGCCAGACGCCAATGTGGGACTTCTCGGTGTCGAGGC\"><input type=\"hidden\" name=\"name\" value=\"FUY784js_7HL\"><input type=\"hidden\" name=\"description\" value=\"454read\"><input type=\"hidden\" name=\"format\" value=\"fasta\"><input type=\"submit\" name=\"submitbutton\" value=\"FASTA\">

因此，我只需要两部分，TTGTT .... AGGC，这部分将始终为大写A，T，C，G或N，但是每个文件的长度可能有所不同。我还需要为此保存名称，在本例中为FUY784js_7HL，此名称每次都会更改。 理想的输出应如下所示：

FUY784js_7HL
TTGTTGAGCTCGACGGTCATGACCCAGCTGGAGTCGGCACGGGCACCCGCGCGCTTCTGCCAGACGCCAATGTGGGACTTCTCGGTGTCGAGGC

您是否知道我该怎么办？我有很多这样的文件。如果您能帮助我弄清楚如何使它适用于多个文件，我将不胜感激。 谢谢！     

解决方法

        

perl -pe \'s/[^ACTGN]//g;\'

作为似乎有问题的位的代理，以上命令似乎有效，至少对于以

<input

开头的输入行和第二条输出行有效。 如果您的实际程序中没有任何其他打印件，那么我不确定它如何产生您所说的行。 实际上，那是一个谎言。我有： TTGTTGAGCTCGACGGTCATGACCCAGCTGGAGTCGGCACGGGCACCCGCGCGCTTCTGCCAGACGCCAATGTGGGACTTCTCGGTGTCGAGGCATA 由于末尾的FASTA值而返回。如果要限制为主要值：

perl -pe \'s/.*\"([ACTGN]+)\".*<input\\b[^>]*\\bname=\"name\"\\s[^>]*\\bvalue=\"([^\"]+)\".*/$2\\n$1/;\'

请注意，有关使用正则表达式解析XML的愚蠢和脆弱性的所有标准免责声明均适用。具体来说，重新命名名称和值属性是完全合法的，而此示例regex不允许这样做。     ,        如果我正确理解了该问题，则似乎可以利用捕获组来满足您的需求。特别是因为您知道开始和结束但不知道中间，所以这样的事情应该起作用：

$data =~ /TTGTT(.+)AGGC/;
print $1;

在perldoc上查看有关捕获组的部分： http://perldoc.perl.org/perlre.html#Regular-Expressions     ,        从已经发布的内容来看，我认为这将返回序列：

$data =~ /name=\"sequence\" value=\"([AGCT]*).*name=\"name\" value=\"([^\"])\"/;
print \"$2\\n$1\";