Arrays 如何在Perl中将整个字符串拆分为数组

我试图处理整个字符串，但按照我编写代码的方式，部分字符串没有被处理。以下是我的代码的表示：

#!/usr/bin/perl
my $string = "MAGRSHPGPLRPLLPLLVVAACVLPGAGGTCPERALERREEEAN
              VVLTGTVEEILNVDPVQHTYSCKVRVWRYLKGKDLVARESLLDGGNKVVISGFGDPLI
              CDNQVSTGDTRIFFVNPAPPYLWPAHKNELMLNSSLMRITLRNLEEVEFCVEDKPGTH
              LRDVVVGRHPLHLLEDAVTKPELRPCPTP";

$string =~ s/\s+//g;     # remove white space from string
# split the string into fragments of 58 characters and store in array
my @array = $string =~ /[A-Z]{58}/g;   
my $len = scalar @array;
print $len . "\n";    # this prints 3
# print the fragments
print $array[0] . "\n";
print $array[1] . "\n";
print $array[2] . "\n";
print $array[3] . "\n";

代码输出以下内容：

3
MAGRSHPGPLRPLLPLLVVAACVLPGAGGTCPERALERREEEANVVLTGTVEEILNVD
PVQHTYSCKVRVWRYLKGKDLVARESLLDGGNKVVISGFGDPLICDNQVSTGDTRIFF
VNPAPPYLWPAHKNELMLNSSLMRITLRNLEEVEFCVEDKPGTHLRDVVVGRHPLHLL
<blank space> 

3
MAGRSHPPLRPLLPLLVVAACVLPGGTCPERLEEANVLTGTVEEILLNVD
PVQHTYSCKVRVWRYLKKKDLVARESLLDGGNKVVISGDGPLICDNQVSTGDTRIFF
vnpappylwpahknelmlnsslritlrnlevefcvedkpgthlrdvvvgrhplhll

---

请注意，字符串的其余部分

EDAVTKPELRPCPTP

未存储在

@array

中。创建阵列时，如何存储

EDAVTKPELRPCPTP

？也许我可以将其存储在

$array[3]

？

中，您缺少的是捕获少于58个字符的能力。既然你只想在结束时这样做，你可以这样做：

/[A-Z]{58}|[A-Z]{1,57}\z/

我更愿意这样写：

/\p{Upper}{58}|\p{Upper}{1,57}\z/

但是，由于此表达式在默认情况下是贪婪的，因此它更喜欢收集58个字符，并且在匹配的输入用完时，默认值为更少

/\p{Upper}{1,58}/

或者，出于Schwern提到的原因（例如避免任何外国信件）

---

你几乎成功了。您需要更改正则表达式以允许1到58个字符

my @array = $string =~ /[A-Z]{1,58}/g;

---

此外，在脚本中使用

@prot_seq

而不是

@array

时出现错误。你应该总是使用严格的来保护自己不受这种事情的伤害。下面是包含严格、警告和5.10功能（要获取）的脚本

---

如果您实际上不需要正则表达式字符类，我会这样做：

use strict;
use warnings;
use Data::Dump;

my $string = "MAGRSHPGPLRPLLPLLVVAACVLPGAGGTCPERALERREEEAN
              VVLTGTVEEILNVDPVQHTYSCKVRVWRYLKGKDLVARESLLDGGNKVVISGFGDPLI
              CDNQVSTGDTRIFFVNPAPPYLWPAHKNELMLNSSLMRITLRNLEEVEFCVEDKPGTH
              LRDVVVGRHPLHLLEDAVTKPELRPCPTP";

$string =~ s/\s+//g;

my @chunks;

while (length($string)) {
    push(@chunks, substr($string, 0, 58, ''));
}

dd($string, \@chunks);

输出：

(
  "",
  [
    "MAGRSHPGPLRPLLPLLVVAACVLPGAGGTCPERALERREEEANVVLTGTVEEILNVD",
    "PVQHTYSCKVRVWRYLKGKDLVARESLLDGGNKVVISGFGDPLICDNQVSTGDTRIFF",
    "VNPAPPYLWPAHKNELMLNSSLMRITLRNLEEVEFCVEDKPGTHLRDVVVGRHPLHLL",
    "EDAVTKPELRPCPTP",
  ],
)

---

您可能更喜欢使用

解包

，如下所示

$string =~ s/\s+//g;    
my @fragments = unpack '(A58)*', $string;

或者，如果您希望保持

$string

不变，并使用5.14或更高版本的Perl，那么您可以编写

my @fragments = unpack '(A58)*', $string =~ s/\s+//gr;

---

在这种情况下，我建议不要使用POSIX字符类。当您解析语言并希望确保正确国际化时，它们非常有用。但是，编码可能是特定的ASCII字符A到Z。您不想选择像¨或¨E这样的东西。@Schwern：这些不是POSIX字符类，它们是Unicodeproperties@Borodin技术上正确！不要在这里使用它们中的任何一个。@Schwern：虽然我不确定

\p{Upper}

和

\p{Lu}

之间的区别。值得注意的是，Perl5.14及更高版本具有

/a

修改器，因此

/\p{Lu}/a

与

/[a-Z]/

相同；我不确定我是谁prefer@Borodin我更愿意看到非常简单的

[A-Z]

而不是去查找

\p{Lu}

和

/A

所做的事情，并且需要5.14

/a

很高兴知道。请不要将变量命名为

@array

。

@

表示它是一个数组；这些字母被认为是为了传达一些有用的内容。这个答案假设数据完全由

A-Z

组成。这也是破坏性的。考虑到示例输入和原始问题已经在修改

$string

，我认为这两个假设都是有效的。

$string =~ s/\s+//g;    
my @fragments = unpack '(A58)*', $string;

my @fragments = unpack '(A58)*', $string =~ s/\s+//gr;