解析多列文本文件

Question

我正在嘗試提取以下文件中的11列：

http://bioinfo.mc.vanderbilt.edu/TSGene/Human_716_TSGs.txt

...到入門級大學生物信息學項目的標量列表中。 我的努力很有效，但並非十全十美，因為各列之間的空白量各不相同（請參見文件頂部以獲取詳細信息）。

use strict;
use warnings;

open FH, '<', 'tsg.txt' or die $!;
my $data = do {local $/; <FH>};
close FH or die $!;

my($id, $sym, $alias, $xref, $chromo, $band, $name, $gene_t, $desc, $nuc_seq,
   $pro_seq) = $data =~ /(\S+)\s+
                         (\S+)\s+
                         (\S+)\s+
                         (\S+)\s+
                         (\S+)\s+
                         (\S+)\s+

                         (\S+)\s+
                         /xms;

print "GeneID: $id", "\n";
print "Gene_symbol: $sym", "\n";
print "Alias: $alias", "\n";
print "XRef: $xref", "\n";
print "Chromosome: $chromo", "\n";
print "Cytoband: $band", "\n";

print "Full_name: $name", "\n";
#print "Gene_type: $gene_t", "\n";
#print "Description: $desc", "\n";
#print "Nucleotide_sequence: $nuc_seq", "\n";
#print "Protein_sequence: $pro_seq", "\n";

謝謝您的幫助。

Answer 1

該文件看起來像它的tab分開，您應該能夠使用\\t上的split將每一行存儲到一個數組中：

my @columns = split( "\t", $data );

然后，您可以通過建立索引來訪問列：

my $id = $columns[0];

等等