如何以适当的方式使用until函数

Question

我有一个想要过滤的文件，如下所示：

##matrix=axtChain 16 91,-114,-31,-123,-114,100,-125,-31,-31,-125,100,-114,-123,-31,-114,91
##gapPenalties=axtChain O=400 E=30
chain 21455232 chr20 14302601 + 37457 14119338 chr22 14786829 + 3573 14759345 1
189     159     123
24      30      22
165     21      20
231     105     0
171     17      19
261     0       2231
222     2       0
253     56      48

chain 164224 chr20 14302601 + 1105938 1125118 chr22 14786829 + 1081744 1100586 8
221     352     334
24      100     112
34      56      56
26      50      47
…………………….
chain 143824 chr20 14302601 + 1105938 1125118 chr22 14786829 + 1081744 1100586 8

因此，简单地说，有一个空行分隔的块。每个块都以行“chain xxxxx”开始，并以带数字的行继续。我想过滤掉文件，只保留带链的块，后面的数字大于3000。为此，我编写了以下脚本：

#!/usr/bin/perl
use strict;
use warnings;
use POSIX;

my $chain = $ARGV[0];

#It filters the chains with chains >= 3000.
open my $chain_file, $chain or die "Could not open $chain: $!";

my @array;
while( my $cline = <$chain_file>)  {
    #next if /^\s*#/;
    chomp $cline;
    #my @lines = split (/ /, $cline);
    if ($cline =~/^chain/) {
        my @lines = split (/\s/, $cline);
        if ($lines[1] >= 3000) {
            #print $lines[1];
            #my @lines = split (/ /, $cline);

            #print "$cline\n";
            push (@array, $cline);
        }
    }
    until ($cline ne ' ') {
        push (@array, $cline);
    }


    foreach (@array) {
        print "$_\n";

    }
    undef(@array);
}

问题是我只能打印标题(链XXXXX…..)而不是每个区块下一行后面的数字。我使用until函数，直到会找到空行，但它不起作用。如果有人能帮我弄一下那个…。提前谢谢你，Vasilis。

Answer 1

这里的第一个问题是' '是一个空格，而不是空行(""或''应该没问题，因为您已经chomp-ed了该行。

第二个问题是

until ( $cline ne "" )

等同于

while ( $cline eq "" )

这与您将行推送到@array所需的内容相反。

也就是说，触发器运算符可能更适合您想要的东西：

my @array;
while ( <$chain_file> ) {          # Using $_ instead of $cline

    chomp;

    if ( do { /^chain\s+(\d+)/ && $1 >= 3000 } .. /^$/ ) {

                                   # Accumulate lines in @array
        push @array, $_;           # False until LHS evaluates to true ...
    }                              # ... then true until RHS evaluates to true

    else {
        for ( @array ) {
          print $_, "\n";          # Print matches
        }
        @array = ();               # Reset/clear out @array
    }
}

Answer 2

通常情况下，最好不要使用unless而不是while。它多次否定布尔表达式，给您留下了一个双重否定的问题要解决。下面是一个例子

 while ( $foo ne $bar ) {

即使这是一个否定的表达式，我也可以很容易地确定何时退出我的循环。但是：

until ( $foo eq $bar ) {

只是需要时间来弄清楚。

此外，‘’不会生成空行:请使用正则表达式$cline =~ /^\s*$/。然而，即使在此基础上，循环：

until ($cline ne ' ') {
    push (@array, $cline);
}

如果$cline等于空，它将永远运行。您永远不会更改$cline的值。

您可以使用我用来称为状态变量的方法(直到Perl实际创建了一个名为state的变量类型，而现在我不知道该如何调用它们)。此变量跟踪您在文件中的位置。你是在文件的链节里吗？你到底想不想要这些行？这样，您只有一个循环。您设置状态变量，然后处理您的循环。

在本例中，我有一个名为$keep_line的状态变量，它询问我是否希望保留要读入的行。如果行以chain开头，并且第二个字段大于3000，我希望保留整个块(如果我理解您要做什么的话)。(顺便说一句，我保留了空行。这样可以吗？)

my $keep_lines = 0;   # Aren't in lines I want to keep
my @good_lines;       # Array where you want to keep the good lines

while ( my $line = <$chain_file> ) {
     chomp $line;                   # Good habit to always chomp a input as soon as it's read.
     if ( $line =~ /^chain/ ) {     # This is a chain line. Do I want to keep this group?
          my @fields =  ( /\s+/, $line );
         if ( $field[1] > 3000 ) {  # Yes, if the second field is greater than 3000
             $keep_lines = 1;       # Keep this and all other lines until the next chain line
         }
         else {
             $keep_lines = 0;       # Skip until the next chain line
         }
     }
     if ( $keep_lines ) {
         push @good_lines, $line;
     }
}

while ( my $line = <$chain_file> ) {
     chomp $line;                   # Good habit to always chomp a input as soon as it's read.
     $keep_lines = keep_this_section( $line );
     if ( $keep_lines ) {
         push @good_lines, $line;
     }
}

大大简化了代码。

我还会声明一些常量来删除那些神秘的Moes。像3000和/^chain/这样的东西在你的程序中有着神秘而又重要的意义。您可以使用use constant作为编译指示来定义Perl常量。它是标准Perl的一部分：

use constant {
    KEEP_LIMIT       => 3000,
    SECTION_HEADER   => qr/^chain/,
};

现在，我可以这样做：

if ( $line =~ SECTION_HEADER ) {

而不是：

if ( $line =~ /^chain/ ) {

和

if ( $field[1] > KEEP_LIMIT ) {

而不是

if ( $field[1] > 3000 ) {

constant杂注有问题。最大的问题是，它不会在Perl通常会对变量进行插值的地方进行插值。这包括双引号字符串和散列键。如果我有$foo{KEEP_LIMIT}，Perl会将键解释为字符串KEEP_LIMIT，而不是KEEP_LIMIT的常量。

许多开发人员使用Readonly，它在很多方面都要好得多。所以，我倾向于使用constant。