哈希哈希

Question

我有一个不同行的文件，每一行都有一个重复的模式，我需要一个propper数据结构来解析我的文件，例如：

cluster1:gene1(genome1) gene2(genome2) gene3(genome3)
cluster2:gene4(genome4) gene5(genome5)

名字是任意的可以是任何东西。

我想过哈希数据结构的散列

  %hoh=("cluster1" => {
        "gene1"=>"genome1"
        "gene2"=>"genome2"
        "gene2"=>"genome2"
                       },   "cluster2" => {
        "gene4"=>"genome4"
        "gene5"=>"genome5"
                       }
       )

我有两个问题:第一:如何在每一行中寻找重复模式？

第二，我如何做哈希的哈希？

编辑:应Zaid的要求张贴

#!/usr/bin/perl -w
use strict; use warnings;
    my %HoH;
while(<DATA>){
    my $line=$_;
    chomp($line);
    my ( $cluster, $genes ) = split (/:/,$line);

     $HoH{ $cluster } = { split/[( )]+/ , $genes };

  }  
foreach $cluster (keys %HoH){
    print "$cluster: ";
    foreach $genes (keys %{$HoH{$cluster}}){
        print "$genes = $HoH{$cluster}{$genes} ";
    }
    print "\n";
}                                               

__DATA__
cluster1:gene1(genome1) gene2(genome2) gene3(genome3)
cluster2:gene4(genome4) gene5(genome5)

Answer 1

在OP发布其尝试时应遵循的解释：

my %HoH;

while (<>) {

    chomp;
    my ( $cluster, $genes ) = split /:/;

    $HoH{ $cluster } = { split /[( )]+/, $genes };
}

Answer 2

假设模式始终遵循AAA:BBB(CCC) DDD(EEE) FFF(GGG)...，则可以使用以下算法：

1. 读每一行
2. 在:上拆分，将第一部分作为您的密钥
3. 将剩余部分按空格拆分，然后使用regex解析，类似于：([^(]+)\(([^)])\)
4. 从regex中捕获的组创建内部散列。
5. 设置$hoh{key from step 2} =步骤4中的散列

未经测试，但如下所示(散列引用的内容有点不确定，但您可以理解)：

while(<>) {
    ($key, $rest) = split ':';
    @genes = split ' ', $rest;
    my %h;
    foreach $gene (@genes) {
        ($k, $v) = split /[\(\)]/, $gene;
        $h{$k} = $v;
    }
    $hoh{$key}=\%h;        
}

不过，可能有一种更优雅的PERL-y方法可以做到这一点:)

Answer 3

#!/usr/bin/perl -w
use strict; use warnings;
    my %HoH;
    while(<DATA>){
        my $line=$_;
        chomp($line);
        my ( $cluster, $genes ) = split (/:/,$line);

        $HoH{ $cluster } = { split/[( )]+/ , $genes };

    }  
    foreach my $cluster (keys %HoH){
        print "$cluster: ";
        foreach my $genes (keys %{$HoH{$cluster}}){
            print "$genes = $HoH{$cluster}{$genes} ";
        }
    print "\n";
    }                                               

__DATA__

簇1:Gene1(Genome1) gene2(genome2) gene3(genome3)

簇2:Gene4(Genome4) gene5(genome5)