Arrays Perl-如何匹配数百万个耦合字符串？

作为一个整体，我对Perl和编程非常陌生，因此我的术语和编码思想可能会让人感到困惑或完全是胡说八道——请注意，为了我自己的理解，请您尽量不要使用行话，谢谢

我的问题的背景是，我有一个非常大的文件（33GB），其中包含多个方面的信息，我已经成功地将数据中的每一列拆分为单独的元素。数据格式的小快照如下所示：

HWI-D00461:137:C9H2FACXX:4:1101:1117:1997 1:N:0:CTTGTA 101 0 101 0
HWI-D00461:137:C9H2FACXX:4:1101:1117:1997 2:N:0:CTTGTA 101 0 101 0
HWI-D00461:137:C9H2FACXX:4:1101:1229:1999 1:N:0:CTTGTA 48 0 48 53
HWI-D00461:137:C9H2FACXX:4:1101:1229:1999 2:N:0:CTTGTA 77 0 77 24
HWI-D00461:137:C9H2FACXX:4:1101:1162:2000 1:N:0:CTTGTA 101 0 101 0
HWI-D00461:137:C9H2FACXX:4:1101:1162:2000 2:N:0:CTTGTA 101 0 101 0
HWI-D00461:137:C9H2FACXX:4:1101:1393:1965 1:N:0:CTTGTA 69 1 70 31
HWI-D00461:137:C9H2FACXX:4:1101:1393:1965 2:N:0:CTTGTA 101 0 101 0

这是我的原始拆分代码：

open(FASTQ, "<", $input) or die "Failed to open '$input', $!\n";
while(my $line = <FASTQ>){
  chomp($line);
  my @columns = split(" ", $line); #Seperate columns by whitespace
  if($columns[5] > 0) {
    $n++; #Counts number of trimmed reads

我认为这会将每个读取ID分离为

@read\u ID

中的单独元素。然后我打算使用

if（exists（））

或

if（$read\u ID[0]==$read\u ID[1]）

来测试这些行是否匹配。当然，我已经看到了这里的基本问题——我需要为每一行/元素声明这一点，在一个由33GB的行（1.5亿行）组成的文件中。因此，我得出的结论是，使用特殊变量

$\uu

，我可以使用每一行的输入，允许对每一匹配行进行连续循环。然而，我意识到只有下面的一行将匹配原始输入，此后它将每2行不断变化-终止循环

我首先要问的是，我的方法/想法是否合理，如果合理，那么我如何添加一个循环，允许检查两行代码，然后更改以下两个唯一ID？我希望这不是说得太混乱了，因为我觉得在打字的时候会这样。非常感谢您的帮助

威尔

每个唯一的ID成对出现，一个接着一个

要一次读取两行文件，可以使用以下命令：

while（1）{
已定义（my$line1=）
或最后；
已定义（my$line2=）
或死亡（“不完整的文件”）；
my@fields1=拆分（“，$line1）；
my@fields2=拆分（“，$line2）；
$fields1[0]相等$fields2[0]
或死（“行的ID”。（$.-1）。”和$。不匹配。\n”）；
# ...
}

请添加

使用严格和
使用警告
位于每个Perl程序的顶部，尤其是刚开始的时候。您好，对不起，我应该在前面提到-这不是我的整个脚本，我在脚本的开头，即shebang之后都包含了这两个脚本。不幸的是，没有，但我会研究它，谢谢。您尝试拆分
$columns[0]
与
\n
在拆分第一段代码后，其中包含
HWI-D00461:137:C9H2FACXX:4:1101:1117:1997
，它看起来不正确。也许为每个数据字段添加一个标题（或者至少将其包含在描述中）不是一个坏主意。您可以将数据分割成一个散列，这将允许您使用类似
$line->{id1}
，
$line->{year}
，
$line->{counter1}
，
$line->{something}
。或者您可以一次拆分为一组变量。提示：由于成对是后续的，所以偶数和奇数行号一起进行。累积第一个进程并附加第二个进程并发出该对。冲洗和重复谢谢，这对我帮助很大。关于如何使用
定义的
函数，是这样的吗？一旦循环到达文件末尾，它就会终止？另外，我只是想知道，因为我在别处找不到答案，如果您继续定义filehandle，脚本会自动将filehandle解释为文件中的下一行吗？再次感谢！
foreach ($columns[0]){
          my @read_ID = split(/\n/);
          *Do something*
          }