Perl 读取blat对齐文件并打印对齐中的所有位置

大家好，我有一些来自blat工具的数据，它给出了对齐的输出，如下所示：

contig30
chromosome 1
000000001 gctctgc.tctggggacgctcgcagcgctcggcgcctggcccag 000000043
>>>>>>>>> ||||||| |||||||||||||||||||||||||||||||||||| >>>>>>>>>
123368567 gctctgcatctggggacgctcgcagcgctcggcgcctggcccag 123368610

000000044 tttctttgacaatgtctaccgttcatgaaattctgtgcaagctcagcttg 000000093
>>>>>>>>> |||||||||||||||||||||||||||||||||||||||||||||||||| >>>>>>>>>
123380141 tttctttgacaatgtctaccgttcatgaaattctgtgcaagctcagcttg 123380190

contig35
chromosome 1
000000001 gctctgc.tctggggacgctcgcagcgctcggcgcctggcccag 000000043
>>>>>>>>> ||||||| |||||||||||||||||||||||||||||||||||| >>>>>>>>>
123368567 gctctgcatctggggacgctcgcagcgctcggcgcctggcccag 123368610

我有一个这个数据的文本文件

我要做的是按以下方式打印输出：

contig 30 chromosome 1 000000001-123368567
contig 30 chromosome 1 000000002-123368568
contig 30 chromosome 1 000000003-123368569

 -
 -
 upto
 contig 30 chromosome 1 000000093-123380190

下一个条目也是如此。

---

我的输入文本文件中有多个这种类型的条目。

请您查找以下内容：

#!/usr/bin/env perl

use strict;
use warnings;
use utf8;

my $content = do {
    local $/;
    <DATA>
};

while (
    $content =~ /   
                        (contig)(30)\n
                        (chromosome\ 1)\n
                        (\d+).*\n
                        .*\n
                        (\d+).*\n

                    /gmx
  )
{
    print $1, " ", $2, " ", $3, " ", $4, "-", $5, "\n";
}

__DATA__
contig30
chromosome 1
000000001 gctctgc.tctggggacgctcgcagcgctcggcgcctggcccag 000000043
>>>>>>>>> ||||||| |||||||||||||||||||||||||||||||||||| >>>>>>>>>
123368567 gctctgcatctggggacgctcgcagcgctcggcgcctggcccag 123368610

000000044 tttctttgacaatgtctaccgttcatgaaattctgtgcaagctcagcttg 000000093
>>>>>>>>> |||||||||||||||||||||||||||||||||||||||||||||||||| >>>>>>>>>
123380141 tttctttgacaatgtctaccgttcatgaaattctgtgcaagctcagcttg 123380190

contig35
chromosome 1
000000001 gctctgc.tctggggacgctcgcagcgctcggcgcctggcccag 000000043
>>>>>>>>> ||||||| |||||||||||||||||||||||||||||||||||| >>>>>>>>>
123368567 gctctgcatctggggacgctcgcagcgctcggcgcctggcccag 123368610

contig30
chromosome 1
000000002 gctctgc.tctggggacgctcgcagcgctcggcgcctggcccag 000000043
>>>>>>>>> ||||||| |||||||||||||||||||||||||||||||||||| >>>>>>>>>
123368568 gctctgcatctggggacgctcgcagcgctcggcgcctggcccag 123368610

#/usr/bin/env perl
严格使用；
使用警告；
使用utf8；
我的$content=do{
本地$/；
};
当(
$content=~/
（挫伤）（30）\n
（染色体\1）\n
（\d+）.*\n
.*\n
（\d+）.*\n
/gmx
)
{
打印$1、$2、$3、$4、“-”、$5、“\n”；
}
__资料__
contig30
1号染色体
00000000 1 gctctgc.TCTGGGGACGCTCGCGCGCGCGGCCTGGCCCAG 0000000 43
>>>>>>>>> ||||||| |||||||||||||||||||||||||||||||||||| >>>>>>>>>
123368567 GCTCTGCATCTGGGGACGCTCGCGCTCGGCGCCTGGCCCAG 123368610
0000000 44 TTTCTTTGACATGTACGCTTCATGAATTCGTGCAAGCTCAGTTG 0000000 93
>>>>>>>>> |||||||||||||||||||||||||||||||||||||||||||||||||| >>>>>>>>>
123380141 TTTCTTTGACATGTACGCTTCATGAATTCGTGCAAGCTCAGTTG 123380190
contig35
1号染色体
00000000 1 gctctgc.TCTGGGGACGCTCGCGCGCGCGGCCTGGCCCAG 0000000 43
>>>>>>>>> ||||||| |||||||||||||||||||||||||||||||||||| >>>>>>>>>
123368567 GCTCTGCATCTGGGGACGCTCGCGCTCGGCGCCTGGCCCAG 123368610
contig30
1号染色体
00000000 2 gctctgc.TCTGGGGACGCTCGCGCGCGCGGCCTGGCCCAG 0000000 43
>>>>>>>>> ||||||| |||||||||||||||||||||||||||||||||||| >>>>>>>>>
123368568 GCTCTGCATCTGGGGACGCTCGCGCTCGGCGCCTGGCCCAG 123368610

这里重要的一点是，

数据

被混入

$content

。这意味着文件的全部内容都存储在

$content

中，包括所有换行符等。。为了

---

将文件镜像到变量中后，可以对其执行多行搜索。为了通知perl这样做，您必须将

m

修饰符添加到正则表达式中（添加x修饰符是为了通过描述模式的底层结构来提高正则表达式的易读性）。

这似乎完成了以下工作：

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

my $contig;
my $chromo;

while (<>)
{
    chomp;
    if (/^contig(\d+)/)
    {
        $contig = $1;
    }
    elsif (/^chromosome (\d+)/)
    {
        $chromo = $1;
    }
    elsif (/^(\d+) [acgt.]+ (\d+)/)
    {
        my $b1 = $1;
        my $e1 = $2;
        my $junk = <>;
        my $line = <>;
        next unless $junk =~ m/^[<>]+ [ |]+ [<>]+$/; # See other question
        my($b2, $e2) = $line =~ m/^(\d+) [acgt.]+ (\d+)/;
        for (my $i = 0; $i < $e1 - $b1; $i++)
        {
            printf "contig %d chromosome %d %.9d-%.9d\n", $contig, $chromo, $b1+$i, $b2+$i;
        }
    }
    # else blank?  Ignore it, anyway.
}

---

请显示您的代码，并描述您在使其正常工作时遇到的问题。这与相关。并由同一用户询问…请将

$/

仅

本地
设置为未定义！谢谢你的提示！你是对的，最好限制修改后的
$/
：thanx的范围很多。它已经起作用了。但是它没有考虑到排列中的“.”。而且，如果在某个地方我们的染色体编号为X或M，它显示为0。请帮忙。thanx很多。同样，请解释一下这个脚本中发生了什么。您没有展示任何X或M的示例，也没有展示如何处理
。你不能指望人们猜到你藏在袖子里的是什么把戏！你需要自己解决这些问题。你没有为最后一个问题提供足够的信息；你没有为这个问题提供足够的信息。这里有一个很强的模式——一个你需要打破的模式。
contig 30 chromosome 1 000000001-123368567
contig 30 chromosome 1 000000002-123368568
contig 30 chromosome 1 000000003-123368569
...
contig 30 chromosome 1 000000040-123368606
contig 30 chromosome 1 000000041-123368607
contig 30 chromosome 1 000000042-123368608
contig 30 chromosome 1 000000044-123380141
contig 30 chromosome 1 000000045-123380142
contig 30 chromosome 1 000000046-123380143
...
contig 35 chromosome 1 000000001-123368567
contig 35 chromosome 1 000000002-123368568
contig 35 chromosome 1 000000003-123368569
...
contig 35 chromosome 1 000000040-123368606
contig 35 chromosome 1 000000041-123368607
contig 35 chromosome 1 000000042-123368608