PERL——正则表达式，包括所有散列键（已排序）和#x2B；正在从文件读取中的$删除空字段

我正在做一个项目，我有几个问题，希望你能帮助我：

首先，我需要访问一个文件并根据从上一步获得的索引检索特定信息，在该步骤中，要检索的索引被找到并存储在散列中

我一直在寻找一种在正则表达式中包含所有数组元素的方法，我可以在文件搜索中使用它，但我一直无法让它工作。最终我找到了一种可行的方法：

my @atoms = ();
my $natoms=0;

foreach my $atomi (keys %{$atome}){
push (@atoms,$atomi);
$natoms++;
}
@atoms = sort {$b cmp $a} @atoms;

然后我将其用作正则表达式，如下所示：

while (<IN_LIG>){
if (!$natoms) {last;}
......
if ($_ =~ m/^\s*$atoms[$natoms-1]\s+/){
    $natoms--;  
    .....
}

该键位于第0（8）列中。我添加了^s和\s+，以确保它只引用第一列

我的第二个问题是，有时输入文件并不总是相同的，它们使索引前包含空格，因此当我从$\uu创建数组时，我得到column0=“”，而不是column0=8

我不明白为什么在split命令中没有消除这个“空列”，而且我在删除它时遇到了一些麻烦。这就是我所做的：

@info = split (/[\s]+/,$_);

if ($info[0] eq " ") {splice (@info, 0,1);} # also tried $info[0] =~ m/\s+/

当我打印数组@info时，我得到：

Array: 

Array: 8

Array: C5

Array: 9.9153

Array: 2.3814

.....

我怎样才能去掉这个空列

非常感谢你的帮助

---

Merche

对于第二个问题，您可以使用以下行：

@info = $_ =~ m{^\s*(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)}xms;

为了从每行捕获9个项目（假设它们不包含空格）

第一个问题我不明白

更新：我将读取文件的所有行，并以$info[0]作为键，[@info[1..8]]作为值在散列中使用它们。然后，您可以按索引查找条目

my %details;
while (<IN_LIG>) {
    @info = $_ =~ m{^\s*(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)\s+(\S+)}xms;
    $details{ $info[0] } = [ @info[1..$#info] ];
}

my%详细信息；
而（）{
@info=$\u=~ m{^\s*（\s+）\s+（\s+）\s+（\s+）\s+（\s+）\s+（\s+）\s+（\s+）\s+（\s+）\s+）\s+（\s+）}xms；
$details{$info[0]}=[@info[1..$#info]]；
}

---

稍后，您可以查找感兴趣的索引的详细信息，并根据需要进行处理。这假设索引是唯一的（具有键的属性）。

有一种特殊形式的

split

，它将删除前导空格和尾随空格。看起来像这样，试试看：

my $line = '  begins  with    spaces  and ends   with   spaces    ';
my @tokens = split ' ', $line;
# This prints |begins:with:spaces:and:ends:with:spaces|
print "|", join(':', @tokens), "|\n";

请参阅位于（或使用

perldoc split

）的

split

文档

此外，程序的第一部分可能更简单，如下所示：

my @atoms = sort {$b cmp $a} keys %$atome;
my $natoms = @atoms;

但是，你们对原子的最终目标是什么？如果您只是想验证所提供的原子是否确实在文件中，则无需对其进行排序，也无需对其进行计数：

my @atoms = keys %$atome;
while (<IN_LIG>){
    # The atom ID on this line
    my ($atom_id) = split ' ';
    # Is this atom ID in the array of atom IDs that we are looking for
    if (grep { /$atom_id/ } @atoms) {
        # This line of the file has an atom that was in the array: $atom_id
    }
}

my@atoms=keys%$atome；
而（）{
#这行上的原子ID
我的（$atom_id）=拆分“”；
#这是我们正在寻找的原子ID数组中的原子ID吗
if（grep{/$atom_id/}@atoms）{
#文件的这一行有一个数组中的原子：$atom\u id
}
}

让我们通过优化和更正部分代码来热身：

# If these are all numbers, do a numerical sort: <=> not cmp
my @atoms = ( sort { $b <=> $a } keys %{$atome} ); 
my $natoms = scalar @atoms;

我不确定您在这里做什么，也不确定这是否是最好的方法，但这段代码应该可以工作，而您的正则表达式不能。在正则表达式中，

[]

是元字符。默认情况下，“拆分”会在空白处拆分

$\uu

，因此您不需要对此进行明确说明。此拆分也肯定会删除所有空白。您的空字段很可能是空字符串“”，而不是空格“”

比较两个数字的最佳方法不是使用正则表达式，而是使用相等运算符

=

您的空字段应该通过在空格上拆分而消失。

split

的默认值是

split'

此外，如果您还没有这样做，您应该使用：

use strict;
use warnings;

---

这会帮你省去很多麻烦。

谢谢你的回复。我尝试使用“”拆分表单，它为我节省了几行代码。谢谢

至于正则表达式，我发现可以使用join和quotemeta将所有键作为字符串表达式的一部分，但我无法使其工作。尽管如此，我还是找到了一个可行的替代方案，但我更喜欢join/quotemeta解决方案

原子索引是根据某种能量阈值从文本文件中获取的。稍后，在in_LIG循环中，我需要访问分子文件以获得有关所选原子的更多信息，因此我使用分子中的原子“索引”来确定我必须读取和处理文件的哪些行。这是一个子例程，我向它发送一个包含atom索引和一些其他信息的哈希

我在正则表达式中尝试了这个：

 my $strings = join "|" map quotemeta,
 sort { $hash->{$b} <=> $hash->{$a}} keys  %($hash);

my$strings=join“|”映射quotemeta，
排序{$hash->{$b}$hash->{$a}}键%（$hash）；

---

但是我做了一些错误的事情，因为它不会占用所有的键。

grep{$\u==$atom\u id}@atoms

可能会更好。TLP是对的。这里不需要正则表达式。但我可能会使用“eq”而不是“==”，因为我知道在分子文件格式中，id有时会有字母后缀。

use strict;
use warnings;

 my $strings = join "|" map quotemeta,
 sort { $hash->{$b} <=> $hash->{$a}} keys  %($hash);