文件匹配与统计

iamline

本人有大概6000+文件需要统计，每每不得果，想寻求帮助

这6000+文件以list的形式给出，例子如下：
more list

1. E350        /path/E350.bsn.tab.filt
   
2. E371        /path/E371.bsn.tab.filt
   
3. E384        /path/E384.bsn.tab.filt
   
4. ……

复制代码

$0是样本名，$1是对应的统计文件，大概有6000+行。


这个$1统计文件是序列的比对结果文件，格式大概是：
more blastn.txt

1. chu        288        1        288        T32-Genome        5099311        4870810        4870523        0.98        --        0        288        506        1e-144        --        --
   
2. yja        211        1        211        T32-Genome        5099311        357009        357219        0.99        --        0        211        372        1e-104        --        --
   
3. Tsp        153        1        153        T32-Genome        5099311        213981        214133        0.98        --        0        153        262        5e-71        --        --
   
4. arp        400        1        389        T32-Genome        5099311        363499        363887        0.93        --        0        389        585        1e-167        --         --
   
5. trp        220        1        220        T32-Genome        5099311        1999800        1999581        0.94        --        0        220        343        3e-95        --        --

复制代码

我想达到的目的是：
我给一个判断文件，如：
more gene.txt

1. chu
   
2. yja
   
3. Tsp
   

复制代码

如果上面list的6000+个文件（$1，格式如blastn.txt），第一列的name id与我给的判断文件（gene.txt）中的name id的种类一样，有重复没关系，但是不能多，就输出对应的样本名


本人初学者，大概写了一个，但是在条件判断上处理不对，很希望得到帮助，非常感谢啊~

1. die "\nusage: perl $0 <blast.list> <gene list> \n\n" unless @ARGV == 2;
   
2.         
   
3. my $file = shift;
   
4. my $gene = shift;
   
5.       
   
6. my %namelist;
   
7. my @all;
   
8.         
   
9. open (GM, "<$gene") or die;
   
10. while(<GM>) {
    
11.         chomp($_);
    
12.         next if (/^\s*$|^#+/);
    
13.         my @list = split /\s+/, $_;
    
14.         my ($name, $ident) = ($list[0], $list[1]);
    
15.         $namelist{$name} = 0;
    
16. }      
    
17. close(GM);
    
18.       
    
19.         #print STDERR "$.\n";
    
20.         while(my $line=<IN>){
    
21.                 chomp $line;
    
22.                 next if ($line=~/^Query_id/);
    
23.                 my @b=split /\s+/,$line;
    
24.                 if(exists $namelist{$b[0]}){
    
25.                         #$namelist{$b[0]}++;
    
26.                         $index++;
    
27.                 }
    
28.         }
    
29.       
    
30.                 #if($namelist{$b[0]}>=1){
    
31.                 #       $index++;
    
32.                 #}
    
33.       
    
34.         if($index==keys %namelist){
    
35.                 push @all, $a[0];
    
36.         }
    
37. }
    
38. close(LIST);
    
39. 
    
40. my $all=join "\n",@all;     
    
41. print "$all\n";
    

复制代码

sohusina

你的表述我怎么还没看懂啊？

iamline

回复 2# sohusina

表述是有点多啊~
其实就是搜索比对结果文件，只出现我指定的gene，就输出样本名；如果还出现其他基因，就舍弃

q1208c

回复 3# iamline

我也没看明白.

能不能举个栗子 ?

Okelani

我也没看明白.

举个栗子 ?

• name id的种类一样?
• 有重复, 没关系?
• 不能多?
  

iamline

回复 5# Okelani

已经解决了  谢谢啦 ~

iamline

回复 4# q1208c

后来折腾着解决了 谢谢啦~

iamline

1. die "\nusage: perl $0 <blast.list> <gene list> \n\n" unless @ARGV == 2;
   
2. 
   
3. my $file = shift;
   
4. my $gene = shift;
   
5. 
   
6. my %namelist;
   
7. my @all;
   
8. 
   
9. open (GM, "<$gene") or die;
   
10. while(<GM>) {
    
11.         chomp($_);
    
12.         next if (/^\s*$|^#+/);
    
13.         my @list = split /\s+/, $_;
    
14.         my ($name, $ident) = ($list[0], $list[1]);
    
15.         $namelist{$name} = 0;
    
16. }
    
17. close(GM);
    
18. 
    
19. 
    
20. open (LIST, "<$file") or die;
    
21. while(<LIST>){
    
22.         chomp;
    
23.         my @a=split;
    
24.         open IN,$a[1];       
    
25.         my $exit=0;
    
26.         my $rup=0;
    
27.         my @b;       
    
28.         <IN>;
    
29.         my @line=<IN>;
    
30.         chomp @line;
    
31.         foreach my $tmp(@line){
    
32.                 @b = split /\s+/,$tmp;
    
33.                 if(exists $namelist{$b[0]}){
    
34.                         $namelist{$b[0]}++;
    
35.                         $exit++;
    
36.                 }else{
    
37.                         $rup++;
    
38.                 }
    
39.         }
    
40.        
    
41. 
    
42.         if($namelist{$b[0]}>=1 && ($exit>=keys %namelist) && $rup==0){
    
43.                 push @all, $a[0];
    
44.         }
    
45. }
    
46. close(LIST);
    
47. 
    
48. 
    
49. my $all=join "\n",@all;     
    
50. print "$all\n";
    

复制代码

附上解决了的代码  给有需要的人。。。