提取两个文件中的数据，并把完整格式存储到一个新的文件中

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2343 天前的主题，其中的信息可能已经有所发展或是发生改变。

我有两个文件第一个是包含 unigene 序号的文件，名称为一个序号一行

CL79.Contig98_All

Unigene56947_All

CL323.Contig1_All

另一个文件里面是 All-Unigene.fa 的文件，里面数据很大，其中第一个文件的序号以及对应的序列在 All-Unigene.fa 可以找到格式为.fa 格式，如下所示

CL323.Contig1_All CTTTTTTCCAGGGAGGTGGCAGCAGTCTACGTGCTCGTTATGATCGTTTG GAATGACAAATATTTTGCAAATACTGTGGGTTTCTGTGGAATAACCTTGC TTGATTTTGCAGGTTAAACCAGCTGCAGCTGGTTTTGTTTAACACATTGT TCTCTTTCTGTAGATAGAAACAACCATG

CL447.Contig1_All AGAGAAACCTGGTCAGTTGGCTGGAGGTTTCAGCCAGAGAAGGTCTTTTA TACTGTTGTATTTGAATTTTGTGCACTTAGGCTGACTCTTCCTCTGTGTG CTGTAGGATGGAGGTGTCCTGCCTGGAGCTGGCGTTGGAGGGTGAGCGGC TCTGTAAGGTGGGCGACTACAGAGCAGGCGTCTCCTTCTTTGAAGCCGCC ATCCAGGTGGGCACAGAGGACCTGCAGGTGCTAAGTGC

我想要通过序号文件找到它在 All-Unigene.fa 文件查找到对应的序列，然后把 All-Unigene.fa 中的完整的一条输入新建的文件里面。

实验室最近新开始搞一部分生物信息的东西，零基础开始学习，头秃，请大神帮助。

文件

序号

cl323

格式

11 条回复 2019-11-26 10:12:20 +08:00

crella

2019 年 11 月 25 日 via Android

你至少要说明用什么语言啊，要不然怎么给代码？按你的描述我觉得还不太难。

crella

2019 年 11 月 25 日 via Android

https://paste.ubuntu.com/p/kv5fYY9vhH/
理想情况可以这样。要想处理好异常，又要跑得快，就得改改。

crella

2019 年 11 月 25 日 via Android

改动

https://paste.ubuntu.com/p/YKHbBRnNYb/

imlm

2019 年 11 月 25 日

语言，这个倒是无所谓，自己用 Perl 弄了一个，不过感觉很差，而且不知道哪里错误了，反正没有能够出来。
#!/usr/bin/perl
use strict;
my %hash=();
open list,"<$ARGV[0]";
while (<list>){
chomp;
$hash{$_}=1; #先把需要的序列 id 放到哈希表中,id 是键所有值都设为 1
}
close list;

open unigene,"<$ARGV[1]";
$/=">";
<unigene>;
while (<unigene>){
chomp;
my $ID=(split /\n/,$_,2)[0]; #分割成两部分，以大于号为分割点，分成 id 和序列.
if (exists $hash{$ID}){ #用 exists 函数判断当前 id 在哈希键是否存在，存在输出 id 与序列，否则下一步
print ">$_\n";
}
else{
next;
}

}
close unigene;

imlm

2019 年 11 月 25 日

话说谢谢你们的帮助。

crella

2019 年 11 月 25 日 via Android

perl 对于多行同时读入文本，反正我是搜索不到好的方法。隔壁 ruby 可以 readlines 一次性读取所有行并切割为数组，又可以 while line = fileio.gets，逐行读取。真香。perl 好多东西搜不到啊。

imlm

2019 年 11 月 25 日

@crella 不清楚为什么，你的两个脚本在同一个地方报错了...
syntax error, unexpected '|', expecting ')'
serials.each( |cur_serial|

syntax error,unexpected tSTRING_DEND, expecting keyword_end
syntax error,unexpected end-of-input, expecting keyword_end
serial_processor()

imlm

2019 年 11 月 25 日

@crella 修复之后运行，不是很明白为什么一运行直接就结束了，很快的那种，然后也没有什么文件生成或者改变...

crella

2019 年 11 月 25 日

@imlm 不好意思啊，昨晚没电脑，手机码的。把 serials.each( |cur_serial| 的(改成{，即大括号。
要不你把示例数据压缩包上传网盘，我再测试一下？

crella

2019 年 11 月 25 日

额，电脑才看明白你的生物序列之间是空格还是换行……

imlm

2019 年 11 月 26 日 via Android

@crella 已经可以了，自己修改了一下，嘿嘿，谢啦。