如何用perl编写程序比较两个文件

li11min22

各位大侠本人是学习生物信息的学生，现遇到难题向各位大侠请教，如何用perl编写程序吧两个文件进行对比，如果文件1中的氨基酸序列在文件2中有，就把这条序列输出（输出时不光是氨基酸序列吧上面的注释信息也输出）
文件1的格式是这样的（截取的一点）
>101m_A mol:protein length:154  MYOGLOBIN
MVLSEGEWQLVLHVWAKVEADVAGHGQDILIRLFKSHPETLEKFDRVKHLKTEAEMKASEDLKKHGVTVLTALGAILKKKGHHEAELKPLAQSHATKHKIPIKYLEFISEAIIHVLHSRHPGNFGADAQGAMNKALELFRKDIAAKYKELGYQG
>102l_A mol:protein length:165  T4 LYSOZYME
MNIFEMLRIDEGLRLKIYKDTEGYYTIGIGHLLTKSPSLNAAAKSELDKAIGRNTNGVITKDEAEKLFNQDVDAAVRGILRNAKLKPVYDSLDAVRRAALINMVFQMGETGVAGFTNSLRMLQQKRWDEAAVNLAKSRWYNQTPNRAKRVITTFRTGTWDAYKNL
>102m_A mol:protein length:154  MYOGLOBIN
MVLSEGEWQLVLHVWAKVEADVAGHGQDILIRLFKSHPETLEKFDRFKHLKTEAEMKASEDLKKAGVTVLTALGAILKKKGHHEAELKPLAQSHATKHKIPIKYLEFISE
  
文件2的格式是这样的
>ENSP00000381386 pep:known chromosome:GRCh37:22:24313554:24316773:-1 gene:ENSG00000099977 transcript:ENST00000398344 gene_biotype:protein_coding transcript_biotype:protein_coding
MPFLELDTNLPANRVPAGLEKRLCAAAASILGKPADRVNVTVRPGLAMALSGSTEPCAQL
SISSIGVVGTAEDNRSHSAHFFEFLTKELALGQDRILIRFFPLESWQIGKIGTVMTFL
>ENSP00000215773 pep:known chromosome:GRCh37:22:24313554:24322019:-1 gene:ENSG00000099977 transcript:ENST00000350608 gene_biotype:protein_coding transcript_biotype:protein_coding
MPFLELDTNLPANRVPAGLEKRLCAAAASILGKPADRVNVTVRPGLAMALSGSTEPCAQL
SISSIGVVGTAEDNRSHSAHFFEFLTKELALGQDRILIRFFPLESWQIGKIGTVMTFL
各位大侠一定要帮帮忙啊！！！！！期待你们的回复

lkk_super

请撸主说明白输入是什么 输出是什么，如果可以举个栗子说明下。
氨基酸序列 是指哪一块？

pitonas

lz 亲应该去学会如何提问

一个简单的例子说明如何提问

http://bbs.chinaunix.net/thread-4111100-1-2.html

li11min22

不好意思啊各位大侠，那我再说明白点啊。比如说我想用文件1中第一条氨基酸序列MVLSEGEWQLVLHVWAKVEADVAGHGQDILIRLFKSHPETLEKFDRVKHLKTEAEMKASEDLKKHGVTVLTALGAILKKKGHHEAELKPLAQSHATKHKIPIKYLEFISEAIIHVLHSRHPGNFGADAQGAMNKALELFRKDIAAKYKELGYQG）与文件2中的所有氨基酸序列依次比对（只比较氨基酸序列不用管前面的>ENSP00000381386 pep:known chromosome:GRCh37:22:24313554:24316773:-1 gene:ENSG00000099977 transcript:ENST00000398344 gene_biotype:protein_coding这些）假设这条氨基酸序列和文件2中的第一条氨基酸序列（MPFLELDTNLPANRVPAGLEKRLCAAAASILGKPADRVNVTVRPGLAMALSGSTEPCAQLSISSIGVVGTAEDNRSHSAHFFEFLTKELALGQDRILIRFFPLESWQIGKIGTVMTFL）相等，那么我就把文件1中的这条序列（>101m_A mol:protein length:154  MYOGLOBIN
MVLSEGEWQLVLHVWAKVEADVAGHGQDILIRLFKSHPETLEKFDRVKHLKTEAEMKASEDLKKHGVTVLTALGAILKKKGHHEAELKPLAQSHATKHKIPIKYLEFISEAIIHVLHSRHPGNFGADAQGAMNKALELFRKDIAAKYKELGYQG）和文件2中的这个序列
（>ENSP00000381386 pep:known chromosome:GRCh37:22:24313554:24316773:-1 gene:ENSG00000099977 transcript:ENST00000398344 gene_biotype:protein_coding transcript_biotype:protein_coding
MPFLELDTNLPANRVPAGLEKRLCAAAASILGKPADRVNVTVRPGLAMALSGSTEPCAQL
SISSIGVVGTAEDNRSHSAHFFEFLTKELALGQDRILIRFFPLESWQIGKIGTVMTFL
）一起放入到文件3中。依次再用文件1中的第二条序列和文件2中的所有序列对比如果有一样的在放入文件3中
不知道我说明白没有。请各位大侠帮帮忙啊！急切的等待回复啊

li11min22

不好意思啊各位大侠，那我再说明白点啊。比如说我想用文件1中第一条氨基酸序列MVLSEGEWQLVLHVWAKVEADVAGHGQDILIRLFKSHPETLEKFDRVKHLKTEAEMKASEDLKKHGVTVLTALGAILKKKGHHEAELKPLAQSHATKHKIPIKYLEFISEAIIHVLHSRHPGNFGADAQGAMNKALELFRKDIAAKYKELGYQG）与文件2中的所有氨基酸序列依次比对（只比较氨基酸序列不用管前面的>ENSP00000381386 pep:known chromosome:GRCh37:22:24313554:24316773:-1 gene:ENSG00000099977 transcript:ENST00000398344 gene_biotype:protein_coding这些）假设这条氨基酸序列和文件2中的第一条氨基酸序列（MPFLELDTNLPANRVPAGLEKRLCAAAASILGKPADRVNVTVRPGLAMALSGSTEPCAQLSISSIGVVGTAEDNRSHSAHFFEFLTKELALGQDRILIRFFPLESWQIGKIGTVMTFL）相等，那么我就把文件1中的这条序列（>101m_A mol:protein length:154  MYOGLOBIN
MVLSEGEWQLVLHVWAKVEADVAGHGQDILIRLFKSHPETLEKFDRVKHLKTEAEMKASEDLKKHGVTVLTALGAILKKKGHHEAELKPLAQSHATKHKIPIKYLEFISEAIIHVLHSRHPGNFGADAQGAMNKALELFRKDIAAKYKELGYQG）和文件2中的这个序列
（>ENSP00000381386 pep:known chromosome:GRCh37:22:24313554:24316773:-1 gene:ENSG00000099977 transcript:ENST00000398344 gene_biotype:protein_coding transcript_biotype:protein_coding
MPFLELDTNLPANRVPAGLEKRLCAAAASILGKPADRVNVTVRPGLAMALSGSTEPCAQL
SISSIGVVGTAEDNRSHSAHFFEFLTKELALGQDRILIRFFPLESWQIGKIGTVMTFL
）一起放入到文件3中。依次再用文件1中的第二条序列和文件2中的所有序列对比如果有一样的在放入文件3中
不知道我说明白没有。请各位大侠帮帮忙啊！急切的等待回复啊

pitonas

大侠，那文件2的格式是
氨基酸序列是多少行啊?再说明白点啊。{:2_176:}
>ENSP...
ASDFGH
CFEDFG

>ENSP....
ASDFGHCFEDFG

q1208c

楼主的问题我大概明白了, 但楼主的文件我真的没看懂.
我换个简单的例子, 楼主看一下是不是这个意思.
假设有文件1, 文件2
内容如下:

1. 
   
2. 文件1:
   
3. A123 B456 C789 D923
   
4. A231 B342 C282 D912
   
5. 
   
6. 文件2:
   
7. E123 F456 G789 D923
   
8. E231 F342 G282 D912
   
9. 
   

复制代码

楼主是不是想让两个文件中的 D923 这一行 全部输出到 文件3 中 ?

月光倾城asto

俺也是生物信息的，LZ的意思我给解释下
文件1是这样的（>序列名，M...为对应的序列）
>name1
M.....
>name2
J....

文件2是这样的
>NAME1
M...
>NAME2
M...
>NAME3
M...
....

文件1是query，文件2是lib，将文件1里面的每一个name1，name2所对应的序列到文件2的lib中搜索，在文件2中能够搜到同样的序列，就输出到文件3，并且同时输入它在文件1中的>name*

月光倾城asto

回复 1# li11min22

1. #!/usr/bin/perl -w
   
2. 
   
3. use strict;
   
4. 
   
5. my ($in1,$in2,$out3)=@ARGV;
   
6. open FL1,"<$in1" or die ($!);
   
7. open FL2,"<$in2" or die ($!);
   
8. open OU,">$out3" or die ($!);
   
9. 
   
10. my (%lib, %query);
    
11. my (@name1,@name2);
    
12. my $tmp="M";
    
13. while(<FL2>){
    
14.     chomp;
    
15.     if (/^\>/ && $tmp=~/\w+/){
    
16.         push @name2,$_;
    
17.     }elsif(/\w+/ && $tmp=~/\w+/){
    
18.         $lib{$name2[-1]} = $tmp.$_;
    
19.     }
    
20.     $tmp=$_;
    
21. }
    
22. 
    
23. while(<FL1>){
    
24.     chomp;
    
25.     if(/^\>/){
    
26.         push @name1,$_;
    
27.     }elsif(/\w+/){
    
28.         $query{$name1[-1]}=$_;
    
29.     }
    
30. }
    
31. 
    
32. foreach my $key(keys %query){
    
33.     if ($query{$key}~~@lib{@name2}){
    
34.         print OU "$key\n$query{$key}\n"
    
35.     }
    
36. }
    
37. 
    
38. 
    
39. close FL1;
    
40. close FL2;
    
41. close OU;

复制代码

纯新手，望指点