弱弱求助perl代码提取信息！谢谢

tempo8

1.关键词[Query: | Description:]这两行任一行中含有关键词（如BTB）
2.提取[Query:]直至 [Domain annotation for each sequence (and alignments):]之间的信息
3. 一个关键词可能有多条记录，想实现多个关键词查找（一个一个来）

Query:       BACK  [M=103]
Accession:   PF07707.10
Description: BTB And C-terminal Kelch
    E-value  score  bias    E-value  score  bias    exp  N  Sequence                         Description
    ------- ------ -----    ------- ------ -----   ---- --  --------                         -----------
    1.4e-11   46.1   0.1    3.5e-11   44.8   0.1    1.7  1  GRMZM2G397948_T03|PACid:20828641
                                        这里有N行
Domain annotation for each sequence (and alignments):

Query:       1-cysPrx_C  [M=40]
Accession:   PF10417.4
Description: C-terminal domain of 1-Cys peroxiredoxin
Scores for complete sequences (score includes all domains):
   --- full sequence ---   --- best 1 domain ---    -#dom-
    E-value  score  bias    E-value  score  bias    exp  N  Sequence                         Description
    ------- ------ -----    ------- ------ -----   ---- --  --------                         -----------
    4.6e-10   41.0   0.1    9.5e-10   40.0   0.1    1.6  1  GRMZM5G864335_T01|PACid:20879992
    4.9e-10   40.9   0.1    9.5e-10   40.0   0.1    1.5  1  GRMZM2G139680_T01|PACid:20860278
    1.3e-09   39.5   0.1    2.7e-09   38.5   0.1    1.6  1  GRMZM2G129761_T02|PACid:20832824
      2e-09   38.9   0.1    4.2e-09   37.9   0.1    1.6  1  GRMZM2G129761_T01|PACid:20832823
Domain annotation for each sequence (and alignments):

Query:       BTB  [M=111]
Accession:   PF00651.26
Description: BTB/POZ domain
    E-value  score  bias    E-value  score  bias    exp  N  Sequence                         Description
    ------- ------ -----    ------- ------ -----   ---- --  --------                         -----------
    9.8e-38  130.6   2.1    2.5e-22   81.0   0.1    4.4  3  GRMZM2G077951_T01|PACid:20873384
                                        这里有N行
Domain annotation for each sequence (and alignments):

Query:       DUF1751  [M=99]
Accession:   PF08551.5
Description: Eukaryotic integral membrane protein (DUF1751)
Scores for complete sequences (score includes all domains):
   --- full sequence ---   --- best 1 domain ---    -#dom-
    E-value  score  bias    E-value  score  bias    exp  N  Sequence                         Description
    ------- ------ -----    ------- ------ -----   ---- --  --------                         -----------
    6.8e-31  108.5   3.7    6.8e-31  108.5   2.6    2.7  3  GRMZM2G057652_T02|PACid:20864676
      5e-30  105.7   2.6      5e-30  105.7   1.8    2.0  2  GRMZM2G172138_T01|PACid:20843621
    1.6e-29  104.1   3.8    1.6e-29  104.1   2.6    2.4  2  GRMZM2G157749_T02|PACid:20839701
      2e-29  103.8   3.8      2e-29  103.8   2.6    2.3  2  GRMZM2G157749_T01|PACid:20839700
  Domain annotation for each sequence (and alignments):

zhaodelu1

1. #!/usr/bin/perl -w
   
2. open $fh,'<','test.txt' or die "Cannot open file raw.txt:$!\n";
   
3. my $old=$/;
   
4. die "Usage:./test.pl keyword\n" unless(defined($ARGV[0]));
   
5. my $key=$ARGV[0];
   
6. $/="Domain annotation for each sequence (and alignments):";
   
7. while(<$fh>){
   
8.         chomp;
   
9.         if(/Query:\s+($key)/ or /Description: $key/){
   
10.                 s/Query:\s+(.*)/$1/;
    
11.                 print;
    
12.         }
    
13. }
    
14. close $fh;

复制代码

test.txt是存数据的文件，在命令行指定关键字./test.pl BTB，代码虽丑陋。。但貌似可以工作,新手

picbhan

没搞懂你到底要提取什么信息。那么多行都要原始输出？

tempo8

谢谢二位的帮助！
实际上只要每一条记录的前3行和竖杠“|”前的ID号“GRMZM2G397948_T03”
还有就是：关键词除了BTB，还有 ATB, BTD, …… 【几百个关键词都放在一个TXT中，每一行1个】

结果是这样子的：
Query:       1-cysPrx_C  [M=40]
Accession:   PF10417.4
Description: C-terminal domain of 1-Cys peroxiredoxin
GRMZM5G864335_T01
GRMZM2G139680_T01
GRMZM2G129761_T02
GRMZM2G129761_T01

Query:       BACK  [M=103]
Accession:   PF07707.10
Description: BTB And C-terminal Kelch
GRMZM2G397948_T03
GRMZM2G045257_T04
……还有N个ID

Query:       BTB_2  [M=94]
Accession:   PF02214.17
Description: BTB/POZ domain
GRMZM2G077951_T01
GRMZM2G033651_T01
……还有N个ID

Query:       DUF1751  [M=99]
Accession:   PF08551.5
Description: Eukaryotic integral membrane protein (DUF1751)
GRMZM2G057652_T02
 GRMZM2G157749_T02
GRMZM2G157749_T01
 
Query:       BTD  [M=76]
Accession:   PF01186
Description: BTB/POZ domain
GRMZM2G06524_T01
GRMZM2G07890_T01
……还有N个ID

rubyish

Bu 懂{:3_188:}