[英]Perl: Parse file and concatenate strings if two consecutive lines start by OS
我必须解析一个看起来像这样的 UniProt 文件:
ID 001R_FRG3G Reviewed; 256 AA.
AC ERPL_ADA;
OS Frog virus 3 (isolate Goorha) (FV-3).
ID 002L_FRG3G Reviewed; 320 AA.
AC Q6GZX3;
OS Frog virus 3 (isolate Goorha) (FV-3 / ADD / PERM /
OS strain HB).
等等。
我想检索所有操作系统标识符(物种),但情况是其中一些具有唯一的操作系统,而另一些则在连续行中重复了操作系统,我应该将它们连接起来。
这样 output 将是:
OS Frog virus 3 (isolate Goorha) (FV-3).
OS Frog virus 3 (isolate Goorha) (FV-3 / ADD / PERM / strain HB).
对于一个操作系统事件,我可以使用正则表达式 select 行,例如:
while ($line=<IN>){
chomp $line;
if ($line=~ /^OS\s{3}/ and $line=~ /\.$/){
$os= $line;
}
}
但是当你有两个连续的操作系统时怎么办? 我一直在尝试添加下一个,但我无法找到解决方案。
my @species;
while (1) {
my $line = <$IN>;
if (defined($line)) {
chomp($line);
my @fields = split(' ', $_, 2);
if ($fields[0] eq 'OS') {
push @species, $fields[2];
}
}
if (@species) {
say join ' ', @species;
@species = ();
}
last if !defined($line);
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.