Perl处理文件Tips

Overview

最近经常需要使用到Perl处理文件，因此在此记录一下经常使用到的Perl知识。

1. `Perl`脚本中接受命令行参数

很多时候我们编写一个Perl脚本，都是用来处理一个文件，输出为另一个文件，例如，脚本file_converter.pl将input.txt中的格式处理之后转化为另一种格式存储在output.txt中，则通常我们的使用习惯是

./file_converter.pl input.txt output.txt

在Perl脚本中可以使用@ARGV获取命令行的参数，上面的例子中，@ARGV的值为2，使用$ARGV[0]和$ARGV[1]几个获取到这两个文件名字，示例如下：

if (@ARGV != 2) 
{
    print "==Error: Please input the file you need to convert and the file name of the result\n";
}
my $original_file_name = $ARGV[0];
my $output_file = $ARGV[1];

2. 判断要使用的变量是否`已定义`or`已赋值`

在使用一个变量时，有时需要先判断这个变量是不是第一次被使用，这时我们通常可以选择定义此变量时只声明，不赋值。而在使用时，使用两种方式判断该变量是不是已经被赋值了。代码如下：

my $name_not_init;
my $name="Gly";

if(!$name_not_init)
{
    print "null\n"
}
else
{
    print "not null\n";
}
if(defined($name_not_init))
{
    print "defined\n";
}
else
{
    print "not defined\n";
}

if(!$name)
{
    print "null\n"
}
else
{
    print "not null\n";
}
if(defined($name))
{
    print "defined\n";
}
else
{
    print "not defined\n";
}

运行结果为：

null
not defined
not null
defined

即当一个变量只是被声明，未被赋值之前，都是未定义的，$name_not_init和defined($name_not_init)都为假。
但是，当对数组变量使用defined时，会报一下诊断信息：

defined(@array) is deprecated

（D-废弃-反对-可选）通常defined对数组并没有作用，因为它只是检查一个未定义的标量值。可以使用刚才说的另一种方式：

if (!@array)
{
    #数组为空
}

3. 获取数组长度

非常简单，直接将一个数组变量赋给一个普通变量或者使用scalar，示例如下：

my $count_array = @line_texts; #method 1
my $count_array = scalar @line_texts; #method 2

4. 从网页获取数据

直接使用一段代码展示，该代码从http://www.uniprot.org/uniprot/P01282.fasta处请求内容，这个网站是一个蛋白质序列信息查询网站，如果查询的ID信息存在，则返回该序列的信息，格式如下：

#>sp|P01282|VIP_HUMAN VIP peptides OS=Homo sapiens GN=VIP     PE=1 SV=1
MDTRNKAQLLVLLTLLSVLFSQTSAWPLYRAPSALRLGDRIPFEGANEPDQVSLKEDIDM
LQNALAENDTPYYDVSRNARHADGVFTSDFSKLLGQLSAKKYLESLMGKRVSSNISEDPV
PVKRHSDAVFTDNYTRLRKQMAVKKYLNSILNGKRSSEGESPDFPEELEK

以上数据以每一行之后以空格结尾，第一行为序列描述信息，我们需要的是提取第一行数据之外的序列详细信息，并去掉每一行之后的空格，我们需要的是以下结果：

   MDTRNKAQLLVLLTLLSVLFSQTSAWPLYRAPSALRLGDRIPFEGANEPDQVSLKEDIDMLQNALAENDTPYYDVSRNARHADGVFTSDFSKLLGQLSAKKYLESLMGKRVSSNISEDPVPVKRHSDAVFTDNYTRLRKQMAVKKYLNSILNGKRSSEGESPDFPEELEK

如果查询的ID信息不存在，则会返回一个包含Not found的网页，此时我们使用-代替序列内容。
完整代码如下:

#!/usr/bin/perl -w

#载入Web请求和解析所需要的模块
use LWP::UserAgent;  
use HTML::Element;
use HTML::TreeBuilder; 

#需要请求内容的网页
my $url = "http://www.uniprot.org/uniprot/P01282.fasta";
my $root = new HTML::TreeBuilder;
my $ua = LWP::UserAgent->new;  
#设置请求，这里使用的是GET请求，如果是POST参数，需要在$ua->request($req)之前设置一些参数，这里不展开
my $req = HTTP::Request->new('GET' => $url);  
#发送请求
my $res = $ua->request($req); 
#获得请求的网页内容，这里的网页内容是包含HTML代码的原生内容，需要自己抽取信息（不过这个网址恰好比较干净，比较方便获取）
my $res_content= $res->content();
#使用$solved_web_result存储最终需要得到的内容
my $solved_web_result="";

#以换行符为分割，截断获得的网页内容，存在数组中
my @web_results=split(/\n/,$res_content);

#去掉第一行的内容，并将剩下的内容合并起来
my $first_loop_count=0;
foreach $web_line (@web_results)
{
    if($first_loop_count!=0)
    {
        $solved_web_result=$solved_web_result.$web_line;
    }
    $first_loop_count++;        
}

#如果查询的ID信息不存在，则使用-代替。
if ($solved_web_result=~m/not found/)
{
    $solved_web_result="-";
}

#最后加上换行符
$solved_web_result=$solved_web_result."\n";
print $solved_web_result;