从序列中删除给定范围的字母

FILE1

1 MSSNSDTGDLQESLKHGLTPI GAGLPDRHGSPIPARGRLVML PKVETEALGLARSH 2 MHSSNPKVRSSPSGNTQSSPK SKQEVMVRPPTVMSPSGNPQL DSKFSN 3 MNGHSDEESVRNSSGESSQSD DDSGSASGSGSGSSSGSSSDG S 

FILE2

1 9 24 36 40
2 1 14 19 35
3 8 37

期望的输出

文件2包含制表符分隔的数字，所有行中的每两个数字是需要从相应序列（制表符分隔文件1）中删除的字母范围。 例如对于序列1，我需要打印1到8 （不是9到24） ，25到35 （不是36到40）和41到41的结束的字母。

我的代码（不完美）

 #!usr/bin/perl -w use warnings; open( FH, "a.txt" ); @seq = <FH>; open( FH1, "b.txt" ); @num = <FH1>; open( OUT, ">out.txt" ); @seqs = split( /\n/, "@seq" ); @nums = split( /\n/, "@num" ); foreach $new (@nums) { @num1 = split( '\t', $new ); $n1 = $num1[1]; $n2 = $num1[2]; $n3 = $num1[3]; $n4 = $num1[4]; } foreach $old (@seqs) { @seq1 = split( '\t', $old ); $len = @seq1; print OUT"@seq1[0..$n1,$n2..$n3,$n4..$len]"; } close FH; close FH1; close OUT; 

注意：原始文件要大得多，拆分可能会失去内存

Answer 1

首先，总是使用use warnings; use strict; 。 use Data::Dumper; 真的会帮你在这里

另外，您可以从您的shebang行删除多余的-w (warnings)标志。

 > original files are much much larger and split may go out of memory 

你不应该把整个文件读入内存： @array = <FH>;

相反，你应该一行行： while (my $line = <$FH>) {

这给我们带来了另一个问题…你应该使用3-arg词法范围的open 。

 open my $fh, ">", $file; 

接下来的事情， @nums = split( /\n/, "@num"); 有几个问题。

1. 失去variables周围的引号。
2. @nums将包含行数，就是这样。

所以，一旦你已经修复所有这一切….

你的逻辑在foreach循环中看起来不对。

当文件中每行的内容不相同时，为什么要硬编码4个值？ 在最后一遍的意义上，只有2个值，你从split分配4。

似乎你的意思是同时在每个arrays上操作…

例如，

 # While array != null # # read nums array for indecies to skip # # grab same row of data to print missing values you want skipped # # print data to output file... # end 

说实话，我会修改/重写这整个脚本。 如果还有问题，请回到这里。