如何使用Perl搜索和替换hash

我是Perl新手，恐怕我被卡住了，想问问是否有人能帮助我

我有一个文件，有两列选项卡，分别是oldname和newname

我想使用oldname作为键，newname作为值，并将其存储为散列

然后，我想打开一个不同的文件gff文件，用新名称替换其中的所有旧名称，并将其写入另一个文件

我已经尽了最大的努力，但是我犯了很多错误

如果你能让我知道我做错了什么，我将不胜感激

以下是这两个文件的外观：

oldname newnamesfxxx文件：

genemark-scaffold00013-abinit-gene-0.18 SF130001
augustus-scaffold00013-abinit-gene-1.24 SF130002
genemark-scaffold00013-abinit-gene-1.65 SF130003

要在其中一行的示例中搜索和替换的文件：

scaffold00013   maker   gene    258253  258759  .   -   .   ID=maker-scaffold00013-augustus-gene-2.187;Name=maker-scaffold00013-augustus-gene-2.187;

以下是我的尝试：

#!/usr/local/bin/perl
use warnings;
use strict;

my $hashfile = $ARGV[0];
my $gfffile  = $ARGV[1];
my %names;
my $oldname;
my $newname;

if (!defined $hashfile) {
    die "Usage: $0 hash_file gff_file\n";
}

if (!defined $gfffile) {
    die "Usage: $0 hash_file gff_file\n";
}

###save hashfile with two columns, oldname and newname, into a hash with oldname as key and newname as value.

open(HFILE, $hashfile) or die "Cannot open $hashfile\n";

while (my $line = <HFILE>) {
    chomp($line);
    my ($oldname, $newname) = split /\t/;
    $names{$oldname} = $newname;
}

close HFILE;

###open gff file and replace all oldnames with newnames from %names.

open(GFILE, $gfffile) or die "Cannot open $gfffile\n";

while (my $line2 = <GFILE>) {
    chomp($line2);

    eval "$line2 =~ s/$oldname/$names{oldname}/g";

    open(OUT, ">SFrenamed.gff") or die "Cannot open SFrenamed.gff: $!";

    print OUT "$line2\n";

    close OUT;
}

close GFILE;

---

谢谢大家!

您为什么要使用eval？$oldname将在第二个while循环中未定义，因为第一个while循环在该范围内重新声明它们，即使使用了外部范围，它也会存储您处理的最后一个值，这不会有帮助

去掉脚本顶部的my$oldname和my$newname，它是无用的

取出整个评估线。您需要为每个要替换的对象重复正则表达式。尝试以下方法：

$line2 =~ s/$_/$names{$_}/g for keys %names;

---

另见Borodin的答案。他做了一个大的正则表达式而不是一个循环，并抓住了你们缺少第二个参数来拆分

您为什么要使用eval？$oldname将在第二个while循环中未定义，因为第一个while循环在该范围内重新声明它们，即使使用了外部范围，它也会存储您处理的最后一个值，这不会有帮助

去掉脚本顶部的my$oldname和my$newname，它是无用的

取出整个评估线。您需要为每个要替换的对象重复正则表达式。尝试以下方法：

$line2 =~ s/$_/$names{$_}/g for keys %names;

---

另见Borodin的答案。他做了一个大的正则表达式而不是一个循环，并抓住了你们缺少第二个参数来拆分

您的主要问题是没有拆分$line变量。默认情况下，split/\t/splits$\u，并且您没有在其中放入任何内容

该程序构建散列，然后通过按长度降序排序并使用| regex alternation运算符连接所有键来构造正则表达式。排序是必要的，以便在有任何备选方案时选择所有可能选项中最长的一个

在输入文件的每一行中，正则表达式的每一次出现都会被相应的新名称替换，并且输出会写入新文件

use strict;
use warnings;

die "Usage: $0 hash_file gff_file\n" if @ARGV < 2;

my ($hashfile, $gfffile) = @ARGV;

open(my $hfile, '<', $hashfile) or die "Cannot open $hashfile: $!";
my %names;
while (my $line = <$hfile>) {
    chomp($line);
    my ($oldname, $newname) = split /\t/, $line;
    $names{$oldname} = $newname;
}
close $hfile;

my $regex = join '|', sort { length $b <=> length $a } keys %names;
$regex = qr/$regex/;

open(my $gfile, '<', $gfffile) or die "Cannot open $gfffile: $!";
open(my $out, '>', 'SFrenamed.gff') or die "Cannot open SFrenamed.gff: $!";

while (my $line = <$gfile>) {
    chomp($line);
    $line =~ s/($regex)/$names{$1}/g;
    print $out $line, "\n";
}

close $out;
close $gfile;

---

您的主要问题是没有拆分$line变量。默认情况下，split/\t/splits$\u，并且您没有在其中放入任何内容

该程序构建散列，然后通过按长度降序排序并使用| regex alternation运算符连接所有键来构造正则表达式。排序是必要的，以便在有任何备选方案时选择所有可能选项中最长的一个

在输入文件的每一行中，正则表达式的每一次出现都会被相应的新名称替换，并且输出会写入新文件

use strict;
use warnings;

die "Usage: $0 hash_file gff_file\n" if @ARGV < 2;

my ($hashfile, $gfffile) = @ARGV;

open(my $hfile, '<', $hashfile) or die "Cannot open $hashfile: $!";
my %names;
while (my $line = <$hfile>) {
    chomp($line);
    my ($oldname, $newname) = split /\t/, $line;
    $names{$oldname} = $newname;
}
close $hfile;

my $regex = join '|', sort { length $b <=> length $a } keys %names;
$regex = qr/$regex/;

open(my $gfile, '<', $gfffile) or die "Cannot open $gfffile: $!";
open(my $out, '>', 'SFrenamed.gff') or die "Cannot open SFrenamed.gff: $!";

while (my $line = <$gfile>) {
    chomp($line);
    $line =~ s/($regex)/$names{$1}/g;
    print $out $line, "\n";
}

close $out;
close $gfile;

---

非常感谢您指出这一点并加以纠正！我想我甚至没有想到排序部分，现在拆分部分有意义了…看起来我还有很长的路要学，但我会坚持下去。再次感谢。很抱歉再次询问，因为上面的脚本不起作用，正在给我原始gff文件，删除了某些行，我不确定发生了什么…可能是因为我没有足够的澄清。我想用相应的SFXXXXX替换ID=和Name=后面的零件，而不是“maker-scaffold00013-augustus-gene-2.187”值。因此，在每一行中可以有多个替换项，也可以有多个具有相同键的行，并且只要键的整个长度可以匹配，所有键和值都是唯一的。@user2278592:那么我怀疑您的hash_文件不是以制表符分隔的。您在问题中发布的数据中没有选项卡。尝试将/\t/替换为“”，看看是否适合您。如果您使用空格作为分隔符，那么名称中不能有空格，可以吗？是的，很抱歉我没有检查，这是我的问题！。。真尴尬…谢谢你！非常感谢您指出这一点并加以纠正！我想我甚至没有想到排序部分，现在拆分部分有意义了…看起来我还有很长的路要学，但我会坚持下去。再次感谢。很抱歉再次询问，因为上面的脚本不起作用，正在给我原始gff文件，删除了某些行，我不确定发生了什么…可能是因为我没有足够的澄清。我想用相应的SFXXXXX替换ID=和Name=后面的零件，而不是“maker-scaffold00013-augustus-gene-2.187”值。因此，在每一行中可以有多个替换，也可以有多个替换

---

具有相同键的行以及所有键和值都是唯一的，只要键的整个长度可以匹配。@user2278592:那么我怀疑您的哈希_文件没有用制表符分隔。您在问题中发布的数据中没有选项卡。尝试将/\t/替换为“”，看看是否适合您。如果您使用空格作为分隔符，那么名称中不能有空格，可以吗？是的，很抱歉我没有检查，这是我的问题！。。真尴尬…谢谢你！老实说，我不知道eval，但我在某处看到了一些帖子，并误以为这就是我应该做的…但我现在明白了，我不需要它，谢谢你指出它！如何在第二个while循环中重新定义$oldname和$newname，或者对于键%names来说$line2=~s/$\uu/$names{$\u}/g不需要这样做？对于键%names，键%names将遍历%names的散列键，对每个键执行$line2=~s/$\u/$names{$\u}/g一次，其中$\uu循环变量包含键，当然还有$names{$\u}是对应的值。由于关键字my，$oldname和$newname超出了块末尾最近右大括号的范围。首先，您使用$oldname和$newname并将它们存储在%names散列中$oldname作为键，$newname作为值，这样就不再需要它们了。您的所有数据都在%names散列中。感谢您的澄清。由于某些原因，它仍然不起作用，现在它给我的行中的关键是没有更换，问题是所有的行都被重新洗牌。我需要在“；”处拆分$line2吗因为我的钥匙两侧都嵌入了字符，并且没有空格分隔？如果我的描述不清楚，请告诉我。在您的示例中，密钥将包含诸如genemark-SCAFFOLD0013-abinit-gene-0.18之类的字符串。第二个while循环将查找genemark-scaffold00013-abinit-gene-0.18，并将其替换为SF130001。这就是你想要的吗？老实说，我不知道eval，但我在某处看到了一些帖子，并误以为那是我应该做的…但我现在明白了，我不需要它，谢谢你指出！如何在第二个while循环中重新定义$oldname和$newname，或者对于键%names来说$line2=~s/$\uu/$names{$\u}/g不需要这样做？对于键%names，键%names将遍历%names的散列键，对每个键执行$line2=~s/$\u/$names{$\u}/g一次，其中$\uu循环变量包含键，当然还有$names{$\u}是对应的值。由于关键字my，$oldname和$newname超出了块末尾最近右大括号的范围。首先，您使用$oldname和$newname并将它们存储在%names散列中$oldname作为键，$newname作为值，这样就不再需要它们了。您的所有数据都在%names散列中。感谢您的澄清。由于某些原因，它仍然不起作用，现在它给我的行中的关键是没有更换，问题是所有的行都被重新洗牌。我需要在“；”处拆分$line2吗因为我的钥匙两侧都嵌入了字符，并且没有空格分隔？如果我的描述不清楚，请告诉我。在您的示例中，密钥将包含诸如genemark-SCAFFOLD0013-abinit-gene-0.18之类的字符串。第二个while循环将查找genemark-scaffold00013-abinit-gene-0.18，并将其替换为SF130001。这就是你想要的吗？