Regex 从与关联字符串组合的列表中列出唯一位置

我需要从文件中列出唯一的数字位置，然后在每个位置后枚举唯一的索引

如果有多个不同的索引，那么我希望在单独的行中列出每个位置/索引

我想这是最好的解决办法，但我一点运气都没有。有无模块的方法吗

如果我的解释不合理，请告诉我

文件1数据：

7065_8#10 99269 -t
7065_8#10 126477 -c
7065_8#10 413711 +T
7065_8#10 586681 -a
7065_8#10 820739 +T
7065_8#10 927102 +T
7065_8#10 942973 +T
7065_8#10 1075448 +G
7065_8#11 99269 -t
7065_8#11 126477 -t
7065_8#11 413711 +T
7065_8#11 470211 +G
7065_8#10 927102 -a
7065_8#10 942973 +T 

中间结果：

99269 ( -t -t )
126477 ( -c -t )
413711 ( +T +T )
586681 ( -a )
820739 ( +T )
927102 ( +T -a )
942973 ( +T +T )
1075448 ( +G )
470211 ( +G )

最终输出：

99269 ( -t )
126477 ( -c )
126477 ( -t )
413711 ( +T )
586681 ( -a )
820739 ( +T )
927102 ( +T )
927102 ( -a )
942973 ( +T )
1075448 ( +G )
470211 ( +G )

以下是我的初始（未成功）代码：

#/usr/bin/perl
严格使用；
使用警告；
使用自动模具；
使用5.010；
my$outputfile=“/Users/edwardtickle/Documents/positionarray.txt”；
打开文件1“/Users/edwardtickle/Documents/CC22indelscc.txt”；
打开（OUTPUTFILE，“>$OUTPUTFILE”）；
使用列表：：MoreUtils qw（uniq）；
我的@base=（）；
我的@words=（）；
而（）{
如果（/^\S+\S+（\d+）\S+（\S+/）{
推送@words$1；
}
}
我的@unique_words=uniq@words；
打印输出文件“@unique\u words\n”；
关闭文件1；
关闭输出文件；

---

目前，这给了我一个由空格分隔的行上唯一位置的列表，我无法确定如何每行打印一个。

好的，我将创建一个错误列表，而不是将它们作为注释发布，因为它们开始增加

• \@unique\u单词“@base”是一个语法错误。你需要在它们之间加个逗号

• my@words=（）；my@uniq_words=uniq@words只能生成空列表。使用
  my
  时，在该范围（块）中创建一个新变量

• 在你的循环中使用

  my@words=qw（$1）。这是错误的，因为：
  在每次循环迭代中创建一个新变量
  每次使用
  =
  而不是push来覆盖该数组
  qw（$1）
  不插值变量，因此它只返回一个文本
  $1
  。这里根本不需要
  qw（）
  
  

以下是您要做的：

• 不使用正则表达式进行匹配，只需拆分行，例如，

  my（$junk，$num，$indel）=拆分

• 不要显式打开文件进行输入和输出，只需使用shell重定向和菱形操作符
  ，例如

  while（）

  和

  perl script.pl input.txt>output.txt

• 将分割的相关结果存储在散列中，例如，

  $data{$num}{$indel}++

  。如果需要保留顺序，请将唯一的数字存储在数组中
• 在循环之后，遍历存储的唯一数字，并使用类似于

  print“$num（.join（“，keys%{$data{$num}”）”的内容从散列中打印相关的键。\n”

编辑：

perl program.pl input.txt > output.txt

在阅读评论之后，很明显顺序并不重要，“索引”应该在单独的行中。这使我们可以简单地打印文件中显示的值（保留原始顺序），同时避免打印重复的值

use strict;
use warnings;

my %data;
while (<>) {
    my ($junk, $num, $indel) = split;
    unless (exists $data{$num}{$indel}) {
        print "$num ( $indel )\n";
    }
    $data{$num}{$indel}++;
}

事实上，作为纯粹的学术活动，这一点可以进一步减少。通过（ab）使用后缀增量

++

第一次用于未初始化值时返回假值这一事实，我们可以将检查和增量结合起来：

my %data;
while (<DATA>) {
    my ($junk, $num, $indel) = split;
    unless ($data{$num}{$indel}++) {   # both check and incrementation
        print "$num ( $indel )\n";
    }
}

my%数据；
而（）{
我的（$junk，$num，$indel）=拆分；
除非（$data{$num}{$indel}++）{#检查和递增
打印“$num（$indel）\n”；
}
}

---

请注意，这只是为了好玩，不建议用于生产代码，因为它相当模糊。

好的，我将列出错误列表，而不是将它们作为注释发布，因为它们正开始增加

• \@unique\u单词“@base”是一个语法错误。你需要在它们之间加个逗号

• my@words=（）；my@uniq_words=uniq@words只能生成空列表。使用
  my
  时，在该范围（块）中创建一个新变量

• 在你的循环中使用

  my@words=qw（$1）。这是错误的，因为：
  在每次循环迭代中创建一个新变量
  每次使用
  =
  而不是push来覆盖该数组
  qw（$1）
  不插值变量，因此它只返回一个文本
  $1
  。这里根本不需要
  qw（）
  
  

以下是您要做的：

• 不使用正则表达式进行匹配，只需拆分行，例如，

  my（$junk，$num，$indel）=拆分

• 不要显式打开文件进行输入和输出，只需使用shell重定向和菱形操作符
  ，例如

  while（）

  和

  perl script.pl input.txt>output.txt

• 将分割的相关结果存储在散列中，例如，

  $data{$num}{$indel}++

  。如果需要保留顺序，请将唯一的数字存储在数组中
• 在循环之后，遍历存储的唯一数字，并使用类似于

  print“$num（.join（“，keys%{$data{$num}”）”的内容从散列中打印相关的键。\n”

编辑：

perl program.pl input.txt > output.txt

在阅读评论之后，很明显顺序并不重要，“索引”应该在单独的行中。这使我们可以简单地打印文件中显示的值（保留原始顺序），同时避免打印重复的值

use strict;
use warnings;

my %data;
while (<>) {
    my ($junk, $num, $indel) = split;
    unless (exists $data{$num}{$indel}) {
        print "$num ( $indel )\n";
    }
    $data{$num}{$indel}++;
}

事实上，作为纯粹的学术活动，这一点可以进一步减少。通过（ab）使用后缀增量

++

第一次用于未初始化值时返回假值这一事实，我们可以将检查和增量结合起来：

my %data;
while (<DATA>) {
    my ($junk, $num, $indel) = split;
    unless ($data{$num}{$indel}++) {   # both check and incrementation
        print "$num ( $indel )\n";
    }
}

my%数据；
而（）{
我的（$junk，$num，$indel）=拆分；
除非（$data{$num}{$indel}++）{#检查和递增
foreach my $position (keys %indel_lookup) {
   foreach my $indel (keys %{$indel_lookup{$position}}) {
        print "$position ( $indel )\n";
   }
}

use strict;
use warnings;

my %data;

while (<DATA>) {
  my ($base, $word) = (split)[1,2];
  ++$data{$base}{$word}
}

for my $base (sort { $a <=> $b } keys %data) {
  for my $word (keys %{ $data{$base} }) {
    print "$base ( $word )\n";
  }
}

__DATA__
7065_8#10 99269 -t
7065_8#10 126477 -c
7065_8#10 413711 +T
7065_8#10 586681 -a
7065_8#10 820739 +T
7065_8#10 927102 +T
7065_8#10 942973 +T
7065_8#10 1075448 +G
7065_8#11 99269 -t
7065_8#11 126477 -t
7065_8#11 413711 +T
7065_8#11 470211 +G
7065_8#10 927102 -a
7065_8#10 942973 +T 

99269 ( -t )
126477 ( -t )
126477 ( -c )
413711 ( +T )
470211 ( +G )
586681 ( -a )
820739 ( +T )
927102 ( +T )
927102 ( -a )
942973 ( +T )
1075448 ( +G )