紧急求助一个perl 多行匹配的问题

qianyemlf

需要从中提取#start gene 到###之间的部分，感觉写的脚本很有问题，贴出来请大家指教啊

1. open IN, "C:/Users/john/Desktop/augustus_out.gff3";
   
2. open OUT, ">C:/Users/john/Desktop/augustus_out_c.gff3";
   
3. 
   
4.   while (<IN>) {
   
5.     if(/^(start)(.*)(###)$/sm){
   
6.     print OUT "$_\n";
   
7. 
   
8.      }
   
9.   }
   

复制代码

1. # Predicted genes for sequence number 16416 on both strands
   
2. # (none)
   
3. #
   
4. # ----- prediction on sequence number 16417 (length = 195, name = 32833) -----
   
5. #
   
6. # Constraints/Hints:
   
7. # (none)
   
8. # Predicted genes for sequence number 16417 on both strands
   
9. # (none)
   
10. #
    
11. # ----- prediction on sequence number 16418 (length = 195, name = 32835) -----
    
12. #
    
13. # Constraints/Hints:
    
14. # (none)
    
15. # Predicted genes for sequence number 16418 on both strands
    
16. # start gene g327
    
17. 32835        AUGUSTUS        gene        1        195        0.59        -        .        g327
    
18. 32835        AUGUSTUS        transcript        1        195        0.59        -        .        g327.t1
    
19. 32835        AUGUSTUS        internal        1        195        0.59        -        0        transcript_id "g327.t1"; gene_id "g327";
    
20. 32835        AUGUSTUS        CDS        1        195        0.59        -        0        transcript_id "g327.t1"; gene_id "g327";
    
21. 32835        AUGUSTUS        exon        1        195        .        -        .        transcript_id "g327.t1"; gene_id "g327";
    
22. # coding sequence = [cgggcgcggcatggtggtccacgggtgcgcgccgcagctggccgtgctggcccacccgtcggtgggcgccttcgtgtcg
    
23. # cactgcgggtggagctcggtgctggaggcggcgtccgccggcgtgccggtgctggcgtggccgctggtgttcgagcagttcatcaacgagcggctggt
    
24. # caccgaggtggtggcgtt]
    
25. # protein sequence = [RARHGGPRVRAAAGRAGPPVGGRLRVALRVELGAGGGVRRRAGAGVAAGVRAVHQRAAGHRGGGV]
    
26. # end gene g327
    
27. ###
    
28. #
    
29. # ----- prediction on sequence number 16419 (length = 195, name = 32837) -----
    
30. #
    
31. # Constraints/Hints:
    
32. # (none)
    
33. # Predicted genes for sequence number 16419 on both strands
    
34. # (none)

复制代码

b114213903

1. #!/usr/bin/perl
   
2. use strict;
   
3. 
   
4. open (OUT,">out.gff3");
   
5. my $flag=0;
   
6. my $out=undef;
   
7. 
   
8. while(my $line=<DATA>){
   
9.         if($line=~/^# start/){
   
10.                 $out.=$line;
    
11.                 $flag=1;
    
12.         }elsif($line=~/^###/){
    
13.                 $flag=0;
    
14.         }elsif($flag){
    
15.                 $out.=$line;
    
16.         }
    
17. }
    
18. 
    
19. print  OUT "$out";
    
20. 
    
21. __DATA__
    
22. # Predicted genes for sequence number 16416 on both strands
    
23. # (none)
    
24. #
    
25. # ----- prediction on sequence number 16417 (length = 195, name = 32833) -----
    
26. #
    
27. # Constraints/Hints:
    
28. # (none)
    
29. # Predicted genes for sequence number 16417 on both strands
    
30. # (none)
    
31. #
    
32. # ----- prediction on sequence number 16418 (length = 195, name = 32835) -----
    
33. #
    
34. # Constraints/Hints:
    
35. # (none)
    
36. # Predicted genes for sequence number 16418 on both strands
    
37. # start gene g327
    
38. 32835        AUGUSTUS        gene        1        195        0.59        -        .        g327
    
39. 32835        AUGUSTUS        transcript        1        195        0.59        -        .        g327.t1
    
40. 32835        AUGUSTUS        internal        1        195        0.59        -        0        transcript_id "g327.t1"; gene_id "g327";
    
41. 32835        AUGUSTUS        CDS        1        195        0.59        -        0        transcript_id "g327.t1"; gene_id "g327";
    
42. 32835        AUGUSTUS        exon        1        195        .        -        .        transcript_id "g327.t1"; gene_id "g327";
    
43. # coding sequence = [cgggcgcggcatggtggtccacgggtgcgcgccgcagctggccgtgctggcccacccgtcggtgggcgccttcgtgtcg
    
44. # cactgcgggtggagctcggtgctggaggcggcgtccgccggcgtgccggtgctggcgtggccgctggtgttcgagcagttcatcaacgagcggctggt
    
45. # caccgaggtggtggcgtt]
    
46. # protein sequence = [RARHGGPRVRAAAGRAGPPVGGRLRVALRVELGAGGGVRRRAGAGVAAGVRAVHQRAAGHRGGGV]
    
47. # end gene g327
    
48. ###
    
49. #
    
50. # ----- prediction on sequence number 16419 (length = 195, name = 32837) -----
    
51. #
    
52. # Constraints/Hints:
    
53. # (none)
    
54. # Predicted genes for sequence number 16419 on both strands
    
55. # (none)

复制代码

1. # start gene g327
   
2. 32835        AUGUSTUS        gene        1        195        0.59        -        .        g327
   
3. 32835        AUGUSTUS        transcript        1        195        0.59        -        .        g327.t1
   
4. 32835        AUGUSTUS        internal        1        195        0.59        -        0        transcript_id "g327.t1"; gene_id "g327";
   
5. 32835        AUGUSTUS        CDS        1        195        0.59        -        0        transcript_id "g327.t1"; gene_id "g327";
   
6. 32835        AUGUSTUS        exon        1        195        .        -        .        transcript_id "g327.t1"; gene_id "g327";
   
7. # coding sequence = [cgggcgcggcatggtggtccacgggtgcgcgccgcagctggccgtgctggcccacccgtcggtgggcgccttcgtgtcg
   
8. # cactgcgggtggagctcggtgctggaggcggcgtccgccggcgtgccggtgctggcgtggccgctggtgttcgagcagttcatcaacgagcggctggt
   
9. # caccgaggtggtggcgtt]
   
10. # protein sequence = [RARHGGPRVRAAAGRAGPPVGGRLRVALRVELGAGGGVRRRAGAGVAAGVRAVHQRAAGHRGGGV]
    
11. # end gene g327
    

复制代码