如何快速提取文件中的某些字段

junlingpang

有一个文件格式如下：
>rice
ctctcttctctcttctcttctc
agaggagaggagagga
>rice
ctcttctcttccttttttttttcccc
aggagagagaggag
>human
aaaaaaaaaaaaa
cccccccccccccccccc
>human
aaaaaaaaaaaaaa
>mice
aaaaaaaaaaaaaaaa
fffffffffffffffffffffffffffffffff
fddddddddddddddddddd
>mice
ggggggggggggg
ggggggg
gggggg

>号后面是不同种类的标记，现需要将同一类包括后面的序列提取出来，有什么简单的方法没？
比如将上面的human提取出来，显示如下：
>human
aaaaaaaaaaaaa
cccccccccccccccccc
>human
aaaaaaaaaaaaaa

是不是可以将两个>间的内容作为一个字段输出？
望指点。

jason680

有一个文件格式如下：
>rice
ctctcttctctcttctcttctc
agaggagaggagagga
>rice
ctcttctcttcctttttttttt ...
junlingpang 发表于 2011-08-10 15:40

这样吗?
$ cat g.pl

use strict;
use warnings;

my %hGroup;
my $sGroup;
while(<>){
  if(m/^(>\w+)/){
    $sGroup = $1;
  }
  else{
    $hGroup{$sGroup} .= $_;
  }
}
foreach(keys %hGroup){
  print "$_\n$hGroup{$_}";
}

$ perl g.pl g.txt
>mice
aaaaaaaaaaaaaaaa
fffffffffffffffffffffffffffffffff
fddddddddddddddddddd
ggggggggggggg
ggggggg
gggggg
>human
aaaaaaaaaaaaa
cccccccccccccccccc
aaaaaaaaaaaaaa
>rice
ctctcttctctcttctcttctc
agaggagaggagagga
ctcttctcttccttttttttttcccc
aggagagagaggag

afukada

不知道是不是樓主想要的

1. #假設文件名: file
   
2. open(input,"file");
   
3. 
   
4. while(<input>)
   
5. {
   
6.        
   
7.         chomp($_);
   
8.        
   
9.         if($_=~/^>/)
   
10.         {
    
11.                 ($species=$_)=~s/^>//g;
    
12.                 if($check{$species}!=1)
    
13.                 {
    
14.                         $check{$species}=1;
    
15.                         push(@seq,$species);
    
16.                 }
    
17.         }
    
18.         else
    
19.         {
    
20.                 push(@$species,$_);
    
21.         }
    
22. }
    
23. 
    
24. close(input);
    
25. 
    
26. foreach(@seq)
    
27. {
    
28.         print $_,"\t",join("",@$_),"\n";
    
29. }

复制代码

結果:
rice    ctctcttctctcttctcttctcagaggagaggagaggactcttctcttccttttttttttccccaggagagagaggag
human   aaaaaaaaaaaaaccccccccccccccccccaaaaaaaaaaaaaa
mice    aaaaaaaaaaaaaaaaffffffffffffffffffffffffffffffffffdddddddddddddddddddgggggggggggggggggggggggggg

junlingpang

回复 2# jason680


可能题目没说清楚，我又改了一下。
谢谢您的回复，同样很受益

junlingpang

回复 3# afukada


可能题目没说清楚，我又改了一下。
谢谢您的回复，同样很受益

dgtnk

回复 1# junlingpang

代码

1. #!/usr/bin/perl
   
2. 
   
3. use warnings;
   
4. use strict;
   
5. 
   
6. $/ = '>';
   
7. 
   
8. while (<DATA>) {
   
9.         if (/human/) {
   
10.                 chomp;
    
11.                 print ">$_";
    
12.         }
    
13. }
    
14. 
    
15. __DATA__
    
16. >rice
    
17. ctctcttctctcttctcttctc
    
18. agaggagaggagagga
    
19. >rice
    
20. ctcttctcttccttttttttttcccc
    
21. aggagagagaggag
    
22. >human
    
23. aaaaaaaaaaaaa
    
24. cccccccccccccccccc
    
25. >human
    
26. aaaaaaaaaaaaaa
    
27. >mice
    
28. aaaaaaaaaaaaaaaa
    
29. fffffffffffffffffffffffffffffffff
    
30. fddddddddddddddddddd
    
31. >mice
    
32. ggggggggggggg
    
33. ggggggg
    
34. gggggg

复制代码

输出

1. >human
   
2. aaaaaaaaaaaaa
   
3. cccccccccccccccccc
   
4. >human
   
5. aaaaaaaaaaaaaa

复制代码

junlingpang

回复 6# dgtnk


    太好了，谢谢

jason680

回复  jason680


可能题目没说清楚，我又改了一下。
谢谢您的回复，同样很受益
junlingpang 发表于 2011-08-10 16:15

$ cat g.pl

use strict;
use warnings;

if(@ARGV < 2){
  print "Usage: $0 Key File [File...]\n";
  print "Ex   : $0 human g.txt\n";
  exit 1;
}
my $sKey = shift;
my $sGroup;
while(<>){
  
  if(m/^>(\w+)/){
    $sGroup = $1;
  }
  print  if($sGroup eq $sKey);
}

$ perl g.pl human g.txt
>human
aaaaaaaaaaaaa
cccccccccccccccccc
>human
aaaaaaaaaaaaaa

junlingpang

回复 8# jason680


    嗯，解决了，谢谢您