使用perl将数据从一个制表符分隔的文件解析到另一个文件中

我有这样一个制表符分隔的文件（在我的脚本DIVERGE中）：

我还有第二个以制表符分隔的文件，如下所示（数据）：

我正在尝试将第一个文件中的第二列和第三列添加到第二个文件中，以便我可以（输出）：

这是我正在尝试使用的perl脚本（尝试修改我在这里找到的脚本-对于perl来说非常新）：

#/usr/bin/env/perl
严格使用；
使用警告；
#打开正交重叠列表
打开（发散，“$ARGV[0]”）或关闭“使用重叠对打开输入文件时出错”；
#散列以存储重叠ID
我的（$espr，$liya，$DISFENCE）=分割（“\t”，美元）；
#通读正交重叠列表并读入内存
while（）{
chomp$##摆脱结束白空间
（$espr，$liya，$DISFESSION）->{$}=1；
}
关闭（分流）；
#打开输出文件
打开（OUT“>$ARGV[2]”）或死“打开输出文件时出错”；
#打开数据文件
打开（数据“$ARGV[1]”）或死“打开序列对文件时出错\n”；
while（）{
大口大口；
my（$contigs、$FPC、$GOslim、$slimdesc、$GOterm、$GOdesc）=拆分（“\t”、$）；
if（定义为$espr->{$contigs}）{
打印出“$\”、“\t$liya\t$disference”、“\n”；
}
}
关闭（数据）；
收尾；

但是我得到了一个错误，在第15行中无用地使用了私有变量，在第10行中使用了单位化值。我对perl术语/变量只有非常基本的掌握。因此，如果有人能指出我哪里出了问题以及如何解决，我将不胜感激。

我会做什么：

#!/usr/bin/env perl

use strict; use warnings;

open my $fh1, "<", "file1" or die $!;
open my $fh2, "<", "file2" or die $!;

my %hash;

while (<$fh1>) {
    chomp;
    my @F = split;
    $hash{$F[0]} = join "\t", @F[1..2];
}

while (<$fh2>) {
    chomp;
    my @F = split;
    print join("\t", $_, $hash{$F[0]}), "\n";
}

close $fh1;
close $fh2;

这（如果我正确理解您的意图）可以通过以下命令在一行中完成（至少在Linux中）：

---

这是一个使用本模块的机会。当然，对csv数据使用适当的解析器的好处是避免边缘案例破坏数据

use strict;
use warnings;
use Text::CSV;

my $div     = "diverge.txt";   # you can also assign dynamical names, e.g.
my $data    = "data.txt";      # my ($div, $data) = @ARGV
my $csv     = Text::CSV->new({
            binary      => 1,
            eol     => $/,
            sep_char    => "\t",
        });
my %div;

open my $fh, "<", $div or die $!;

while (my $row = $csv->getline($fh)) {
    my $key = shift @$row;              # first col is key
    $div{$key} = $row;                  # store row entries 
}
close $fh;

open $fh, "<", $data or die $!;

while (my $row = $csv->getline($fh)) {
    my $key = $row->[0];                # first col is key (again)
    push @$row, @{ $div{$key} };        # add stored values to $row
    $csv->print(*STDOUT, $row);         # print using Text::CSV's method
}

请注意，输出看起来不同，因为它是以制表符分隔的，而在问题中它是以空格分隔的。

这里有另一个选项：

use strict;
use warnings;

my $data = pop;
my %diverge = map { /(\S+)\t+(.+)/; $1 => $2 } <>;
push @ARGV, $data;

while (<>) {
    chomp;
    $_ .= "\t$diverge{$1}\n" if /(\S+)/ and $diverge{$1};
    print;
}

---

你对这条线有什么期待<代码>（$espr，$liya，$DISFENCE）->{$}=1当您

chomp$无需指定
$\uuu
。这就是为什么存在
$\uu
。你可以说
chomp
@sputnick-hmm..我从一个简单的脚本中获取了这一点，该脚本在一列中获取了一个值列表，以从第二个文件中提取具有多列的行-我在这里尝试做相同的操作，除了第一个文件具有多个列-我实际上不理解它的含义，只是尝试适应它situation@AndyLester谢谢那么我是否也应该从拆分中删除“$”？是的，您可以从
split
中删除
$\ucode>。不需要。未测试的代码<代码>$hash{$F[0]}=@F[1..2]
将该键上的值设置为
2
。你的意思可能是
[@F[1,2]]
或
我的$key=shift@F$散列{$key}=\@F@TLP我已经试过回答，是的，输出中只给出文件1的第3列。但TLP的第一个建议无法修复，第二个建议给出了错误全局符号“@F”需要显式的包名…@AmyEllison不，这是错误的。我的建议都解决了这个问题。如果他们没有，那是因为你做了我说的以外的事情。@AmyEllison哦，我明白了，他试图插值数组ref，好像它是一个数组。。。当然，打印应该是
print join（“\t”、$\u、@{$hash{$F[0]}），“\n”
，这将非常简单，除了第一个文件第4列和第6列中的描述可以有空格。join的输出仅以空格分隔，因此无法将文件放回以制表符分隔的列中。join-t\t DATA DIVERGE如何？对我有用。
#!/usr/bin/env/perl

use strict;
use warnings;

#open the ortholog contig list
open (DIVERGE, "$ARGV[0]") or die "Error opening the input file with contig pairs";

#hash to store contig IDs
my ($espr, $liya, $divergence) = split("\t", $_);

#read through the ortho contig list and read into memory
while(<DIVERGE>){
    chomp $_;   #get rid of ending whitepace
    ($espr, $liya, $divergence)->{$_} = 1;
}
close(DIVERGE);

#open output file
open(OUT, ">$ARGV[2]") or die "Error opening the output file";

#open data file
open(DATA, "$ARGV[1]") or die "Error opening the sequence pairs file\n";

while(<DATA>){
    chomp $_;

    my ($contigs, $FPC, $GOslim, $slimdesc, $GOterm, $GOdesc) = split("\t", $_);
    if (defined $espr->{$contigs}) {
        print OUT "$_", "\t$liya\t$divergence", "\n";
    }
}
close(DATA);
close(OUT);

#!/usr/bin/env perl

use strict; use warnings;

open my $fh1, "<", "file1" or die $!;
open my $fh2, "<", "file2" or die $!;

my %hash;

while (<$fh1>) {
    chomp;
    my @F = split;
    $hash{$F[0]} = join "\t", @F[1..2];
}

while (<$fh2>) {
    chomp;
    my @F = split;
    print join("\t", $_, $hash{$F[0]}), "\n";
}

close $fh1;
close $fh2;

contig04730 F GO:0000228 nuclear GO:0000783 telomere_cap        contigK02622    0.3515
contig04730 F GO:0005528 reproduction GO:0001113 eggs   contigK02622    0.3515
contig14757 P GO:0123456 immune GO:0003456 cells        contigK03055    0.4
contig14757 P GO:0000782 nuclear GO:0001891 DNA_binding contigK03055    0.4
contig14757 C GO:0000001 immune GO:00066669 more_cells  contigK03055    0.4

 $ cat DATA
contig04730 F GO:0000228 nuclear GO:0000783 telomere_cap
contig04730 F GO:0005528 reproduction GO:0001113 eggs
contig14757 P GO:0123456 immune GO:0003456 cells
contig14757 P GO:0000782 nuclear GO:0001891 DNA_binding
contig14757 C GO:0000001 immune GO:00066669 more_cells

 $ cat DIVERGE
contig04730 contigK02622 0.3515
contig04733 contigK02622 0.3636
contig14757 contigK03055 0.4

 $ join DATA DIVERGE
contig04730 F GO:0000228 nuclear GO:0000783 telomere_cap contigK02622 0.3515
contig04730 F GO:0005528 reproduction GO:0001113 eggs contigK02622 0.3515
contig14757 P GO:0123456 immune GO:0003456 cells contigK03055 0.4
contig14757 P GO:0000782 nuclear GO:0001891 DNA_binding contigK03055 0.4
contig14757 C GO:0000001 immune GO:00066669 more_cells contigK03055 0.4

use strict;
use warnings;
use Text::CSV;

my $div     = "diverge.txt";   # you can also assign dynamical names, e.g.
my $data    = "data.txt";      # my ($div, $data) = @ARGV
my $csv     = Text::CSV->new({
            binary      => 1,
            eol     => $/,
            sep_char    => "\t",
        });
my %div;

open my $fh, "<", $div or die $!;

while (my $row = $csv->getline($fh)) {
    my $key = shift @$row;              # first col is key
    $div{$key} = $row;                  # store row entries 
}
close $fh;

open $fh, "<", $data or die $!;

while (my $row = $csv->getline($fh)) {
    my $key = $row->[0];                # first col is key (again)
    push @$row, @{ $div{$key} };        # add stored values to $row
    $csv->print(*STDOUT, $row);         # print using Text::CSV's method
}

contig04730     F       GO:0000228      nuclear GO:0000783      telomere_cap contigK02622    0.3515
contig04730     F       GO:0005528      reproduction    GO:0001113      eggs    contigK02622    0.3515
contig14757     P       GO:0123456      immune  GO:0003456      cells   contigK03055    0.4
contig14757     P       GO:0000782      nuclear GO:0001891      DNA_binding    contigK03055    0.4
contig14757     C       GO:0000001      immune  GO:00066669     more_cells    contigK03055    0.4

use strict;
use warnings;

my $data = pop;
my %diverge = map { /(\S+)\t+(.+)/; $1 => $2 } <>;
push @ARGV, $data;

while (<>) {
    chomp;
    $_ .= "\t$diverge{$1}\n" if /(\S+)/ and $diverge{$1};
    print;
}

contig04730 F GO:0000228 nuclear GO:0000783 telomere_cap    contigK02622 0.3515
contig04730 F GO:0005528 reproduction GO:0001113 eggs   contigK02622 0.3515
contig14757 P GO:0123456 immune GO:0003456 cells    contigK03055 0.4
contig14757 P GO:0000782 nuclear GO:0001891 DNA_binding contigK03055 0.4
contig14757 C GO:0000001 immune GO:00066669 more_cells  contigK03055 0.4