【学习笔记】山东大学生物信息学——Perl 语言基础入门+高级
文章目录
-
-
8.3 Perl 语言基础入门
-
- 8.3.1 第一个 Perl
- 8.3.2 Perl 的基本规则
- 8.3.3 字符串常用函数
- 8.3.4 数组常用函数
-
8.4 Perl 语言基础高级
-
- 8.4.1 if 条件语句
- 8.4.2 for 循环语句
- 8.4.3 文件读入与写出
- 8.4.4 获取下载网页
- 8.4.5 应用实例：批量下载保存序列
-
8.3 Perl 语言基础入门
- 详见视频：Perl 语言基础入门-01 P137
● Perl ：Practical Extraction and Report Language 官网免费下载 （网不好可能打不开），支持多操作系统
- 直译语言 ：Interpreted Language
- 序列处理 ：特别适合字符串（序列）处理
- 文件处理 ：方便简洁的文件写入与写出
- 模式匹配 ：全面支持正则表达式
8.3.1 第一个 Perl
-
创建一个文本文件，命名为 test.pl
-
第一行 写 Perl 执行环境 （安装路径）
linux 写：#!/usr/bin/perl
Windows 写：#!C:/Strawberry/perl/bin/perl.exe -
第二行写一个简单的语句，比如：
print "He1lo world!"; -
保存 test.pl，打开 cmd 命令窗口。
-
切换到 test.pl 所在目录。
cd Desktop -
执行
perl test.pl命令，运行你的第一个程序。
8.3.2 Perl 的基本规则
- 每条语句后面必须有"
;"。 - 注释 前面加"
#"，只对单行 有效。 - 变量的定义 极其简单随便：
◆ 不用提前声明变量，随用随定义；
◆ 不用定义变量类型 ，赋值后程序会自动判断 ；
◆ 变量名区分大小写 ，以字母开头 ，不能有特殊字符 ；
◆ 变量名前面加"$“，用”="赋值。$scalar = expression
● 各种引号的使用 ：
-
单引号
''完全直白的翻译引号里的全部内容。
-
双引号
""可以识别引号里的变量 和反义字符 。
-
反引号````将引号里的内容当成 命令来执行。
● 各种操作符的使用 ：
比较操作符 Comparison Operators：
针对字符串 的比较操作符和针对数字 的比较操作符是不一样的！
◆ 数字 比字母 小！
◆ 大写 字母比小写 字母小！
◆ 由小到大 ：数字 [0-9]、大写字母 [A-Z]、小写字母 [a-z]
逻辑操作符 Logical Operators：
可以直接写：or, and, not
也可以用符号代替：||, &&, !
特殊逻辑操作符：xor 异或
△ a xor b = (a' and b) or (a and b') (a’ = not a)
如果 a、b 两个值不相同 ，则异或结果为 1 。如果 a、b 两个值相同 ，异或结果为 0 。
字符串操作符 String Operators：
. 字符串拼接 相连
x 字符串重复复制
.= 字符串拼接 相连后赋值
$string1 = "potato";
$string2 = "head";
$string3 = $string1 . $string2; #patatohead
$string4 = $string1 x 2; #patato
$string1 .= $string2; #string1 = patatohead
8.3.3 字符串常用函数
Perl 有许多提前定义好的函数：函数名 ( 参数 1, 参数 2,... 参数 n)
注意：
参数间的逗号 是必不可少 的
括起参数的括号 则是可有可无 的
length 函数：
语法：length($string);
说明：求出字符串$string 的字节值（长度）。
$string="Per15";
$size=length($string); #这时 $size=5
#计算一条氨基酸序列的长度
$seq="GHMGSSVLEELVQLVKDKNIDISIKYDPRKDSEVEANRVITDDIELLKKILAYFLPEDAILKGGHYDNQLQNGIKRVKEFLESSPNTQWELRAFMAVMHFSLTADRIDDDILKVIVDSMNHHGDARSKLREELAELTAE";
$len=length($seq);
print "The protein contains $len amino acids.";
substr 函数：
语法：substr($string, offset, 1ength);
说明：截取 字符串$string 的子字符串 。
★ 注意：第一位是 0，不是 1。
offset 代表起始字符的位置 ，而 offset 如果是负值 的话，就会从字符串右边开始 指定字符。
length 代表引用的字符串长度，如果省略 length 则代表从起始值到字符串的最后一个字符长度。
$s1=substr("perl5",2,2); #$s="rl" 从第二个字符串后开始截取 2 个字符串
$s2=substr("perl5",1); #$s="erl5" 从第一个字符串后开始截取剩余字符串
$s3=substr("perl5",-5,3); #$s="per" 从倒数第五个字符串开始截取 3 个字符串
#提取出蛋白质序列的功能区，功能区位于第 12 个氨基酸到第 23 个氨基酸。
$seq="GHMGSSVLEELVQLVKDKNIDISIKYDPRKDSEVEANRVITDDIELLKKILAYFLPEDALKGGHYDNQLQNGIKRVKEFLESSPNTQWELRAFMAVMHFSLTADRIDDDILKVIVDSMNHHGDARSKLREELAELTAE";
$begin=11;
$end=22;
$length=$end-$begin+1;
$region=substr($seq, $begin, $length);
print "The functional region is $region.";
index 函数：
语法：index($string, $substring, position)
说明：返回所要找寻 的字符$substring 在字符串 $string 中的位置 （只返回找到的第一个 位置），如果找不到 ，则返回-1。$substring 是要寻找的字符 ；
position 代表从哪一个位置开始寻找，假如省略就是从头开始 找起。
$s1=index("pell5","p"); #$s1=0
$s2=index("pell5","l",2); #$s2=2 只返回找到的第一个位置
$s3=index("pell5", "perl"); #$s3=-1
#查找某功能区在一条蛋白质序列里的位置。
$seq="GHMGSSVLEELVQLVKDKNIDISIKYDPRKDSEVEANRVITDDELLKKILAYFLPEDAILKGGHYDNQLQNGIKRVKEFLESSPNTQWELRAFMAVMHFSLTADRIDDDILKVIVDSMNHHGDARSKLREELAELTAE";
$region="KEFLESSPNT";
$begin=index($seq, $region)+1; #起始位置，注意获取 index 后加一
$end=$begin+length($region)-1; #结束位置，注意减一
$begin_aa=substr($region,0,1); #第一个氨基酸
$end_aa=substr($region,-1,1); #最后一个氨基酸
print "The functional region is from $begin_aa$begin to $end_aa$end.";
8.3.4 数组常用函数
数组 Array 是包含在括号()里的 一组元素。
-元素可为任何值 也可为空 ，以逗号 相隔
-随时可以增减 元素的个数
-数组用@符号表示，比如：@arr("A","T","C","G")
-数组中的一个元素等于 一个变量 ，写成：$arr[index_number]
print $arr[0]; #A
print $arr[1,3]; #TG
print @arr; #ATCG
scalar 函数：元素个数
语法：scalar(@array)
说明：返回数组 @array 的元素个数 。
@arr=("A","B","C"); #定义一个数组
$num=scalar(@arr); #这时$num=3
#批量处理一组 Uniprot ID 前，先数数这一组 ID 的个数。
@ids=("Q6GV17", "Q9BXR5", "B3Y669", "COLSK8");
$count=scalar(@ids);
print "$count ids : @ids";
reverse 函数：逆序
语法：reverse(@array)
说明：将数组@array中的元素由后到前逆向排列 。
sort 函数：升序
语法：sort[{$a<=>$b}](@array)
说明：将数组 @array 中的元素按 ASCII 码顺序由小到大 排序。加上{$a<=>$b}之后按数字大小 排序。
@arr1=(21,1,2,12);
@arr2=reverse(@arr1); #@arr2=(12,2,1,21); 元素逆序
@arr3=sort(@arr); #@arr2=(1,12,2,21) 按字符串大小排序
@arr4=sort{$a<=>$b}(@arr); #@arr3=(1,2,12,21) 按数字大小排序
#将一组计算结果数值升序/降序排列。
@value=(10,34,24,16,4,7);
@value1=sort{$a<=>$b}(@value); # 升序
@value2=reverse(@value1); # 降序
print "ascending order : @value1\n"; #\n 代表换行
print "descending order : @value2";
pop 函数：删除最后一个
语法：pop(@array)
说明：将数组@array的最后一个元素删除 ，并将删除的元素返回 。
@arr=("A","B","C");
$rm=pop(@arr); #@arr=("A", "B"), $rm="C"
push 函数：最后添加
语法：push(@array，$newelement/@newarray)
说明：在数组@array的最后加上新元素 或者新数组 。
@arr=("A","B","C") ;
push(@arr,"D") ; #@arr=("A", "B","C","D")
#由大到小排序，同时去掉最小值，并在最后添加元素的个数。
@value=(10,34,24,16,4,7);
@value1=sort{$a<=>$b}(@value);
@value=reverse(@value);
pop(@value);
push(@value, scalar(@value));
print "new value : @value";
shift 函数：删除第一个
语法：shift(@array)
说明：与 pop 相似，将数组@array的第一个元素删除 ，并将删除的元素返回 。
@arr=("A","B","C");
$rm=shift(@arr); #@arr=("B", "C"), $rm="A"
unshift 函数：前面添加
语法：unshift(@array，$newelement/@newarray)
说明：与 push 相似，在数组@array的最前面 加上新元素或者新数组。
@arr=("A","B");
unshift(@arr,"X") ; #@arr=("X", "A","B")
#由大到小排序，同时去掉最大值，并在最前面添加元素的个数。
@value=(10,34,24,16,4,7);
@value1=sort{$a<=>$b}(@value);
@value=reverse(@value);
shift(@value);
unshift(@value, scalar(@value));
print "new value : @value";
join 函数：连接:
语法：join($string, @array)
说明：用指定字符$string 将数组@array中的元素连接成字符串，并将该字符串作为结果返回。
@arr=("A" , "B" , "C") ;
$get=join(":", @arr); #$get="A:B:C"
split 函数：分割:
语法：split(/pattern/, $string)
说明：把字符串$string 按照 pattern(分隔符) 进行分割，并把分割后的结果放入数组 中。
$seq="15:32:54";
@arr=split(/:/, $seq) ; #@arr=("15","32","54")
# 获取 FASTA 格式序列的纯序列部分。
$fasta=">sp|P33316|DUT_HUMAN
MTPLCPRPALCYHFLTSLLRSAMQNARGARQRA
EAAVLSGPGPPLGRAAQHGIPRPLSSAGRLSQG
CRGASTVGAAGWKGELPKAGGSPAPGPETP";
@line=split(/\n/, $fasta); # 按换行符分割成行数 n 个字符串并放入数组 line
shift(@line); # 去掉数组中的第 1 个字符串，即">"开头的第一行
$seq=join("", @line); #拼接其他字符串，即纯序列
print $seq;
8.4 Perl 语言基础高级
8.4.1 if 条件语句
● 语法一 ：
- if 条件语句的“条件 ”放在括号
()里
括号里的“条件”是逻辑表达式
如果逻辑表达式判断为true: 执行if后面大括号{}里的语句
如果逻辑表达式判断为false: 执行else后面大括号{}里的语句
注意：if 和 else 可以不成对出现 ，即，可以只有 if 没有 else, 而不能只有 else 没有 if !
$a=10;
$b=15;
if ($a > $b) {
print "a is bigger!";
}
else {
print "b is bigger!";
}
● 语法二 ：
- 如果逻辑表达式 1 判断为
true: 执行 statement1 - 如果逻辑表达式 1 判断为
false:
继续判断elsif后面的逻辑表达式 2
如果逻辑表达式 2 判断为 true: 执行 statement2
如果逻辑表达式 2 判断为 false: 执行 statement3
if ($a == 5) {
print '$a is 5';
}
elsif ($a == 10) {
print '$a is 10';
}
elsif ($a == 15) {
print '$a is 15';
}
else {
print '$a is not (5 or 10 or 15)';
}
8.4.2 for 循环语句
● 语法一 ：for
- init 会首先被执行，且只会被执行一次。这一步是声明并初始化循环控制变量。比如：
$i=1; - 接下来，会判断 condition 。 如果为 true, 则执行循环主体。如果为 false, 则不执行。比如：
$i<10; - 在执行完循环主体后，控制流会跳回 increment 语句，并更新循环控制变量。比如：
$i++ - 再次判断 condition ，重复以上过程，直到条件变为 false 时，循环终止。
# 九九乘法表
for ($i=1; $i<10; $i++) {
for($j=1; $j<10; $j++) {
$x=$i*$j;
print "$i x $j = $x\t";
}
print "\n";
}
● 语法二 ：foreach
foreach (@array) {
statement1;
……
}
针对数组 @array 中的每一个元素，执行循环主体。(遍历数组)
用变量 $_ 代表本轮循环中所抓取的当前元素 。
数组中每一个元素依次轮一遍之后，循环结束。
# 奇数偶数？
@a=(1, 12, 33, 25, 98, 34, 55, 76, 18, 10);
foreach (@a) {
if ($_ % 2 == 0) # % 取余数
{ print "$_ is even. \n"; }
else
{ print "$_ is odd. \n"; }
}
8.4.3 文件读入与写出
读入文件 ：
open(FH, "read.txt"); 打开当前路径中的 read.txt 文件。FH 为一个文件读写事件的标识，可自行定义名字。
@get = <FH>; 将读取的文件内容存入数组 @get 中，根据换行"\n"分割元素 ，即，一行一个元素 。
close FH; 读取结束，关闭文件标识 FH。
open(FH, "read.txt");
@get = <FH>;
close FH;
写出文件 ：
open(FH, ">write.txt"); 打开/创建当前路径中的 write.txt 文件，并往其中写出内容。“> ” 代表写出 ，且文件中原有内容将被覆盖 。
print FH "Hello world!\n"; “print FH” 代表将双引号中的内容写出到文件标识 FH 所代表的文件，而非写出到屏幕。
close FH; 写出结束，关闭文件标识 FH。
open(FH, ">write.txt");
print FH "Hello world!\n";
close FH;
续写文件 ：
open(FH, ">>write.txt"); 打开/创建当前路径中的 write.txt 文件，并往其中写出内容。“>>” 代表续写 ，文件中原有内容不会被覆盖 。
print FH "Hello world!\n"; 同写出文件。
close FH; 写出结束，关闭文件标识 FH。
open(FH, ">>write.txt");
print FH "Hello world!\n";
close FH;
屏幕输入 ：
print "What's your name?\n"; 屏幕打印一句话
$name = <STDIN>; STDIN 说明 $name 应通过屏幕输入赋值 。光标将停留以等待用户输入内容，输入后回车。
chomp($name); chomp 函数用于去掉屏幕输入内容最后的回车 。
print "Hello $name!"; 打印获取的屏幕输入值。
print "What's your name?\n";
$name = <STDIN>;
chomp($name);
print "Hello $name!";
8.4.4 获取下载网页
- 基本语句 ：
# 引用 LWP 模块，以使用 get 函数
use LWP::Simple;
# 将一个 FASTA 序列的网址赋值给变量 $url
$url='http://www.uniprot.org/uniprot/Q6GV17.fasta';
# get 函数获取$url 网址打开页面的全部内容（获取页面源代码）
$content = get $url;
# 如果网址无法打开，die 函数将强制结束程序，并屏幕打印告知。
die "Couldn't get $url" unless defined $content;
# 将获取的网页内容打印出来。
print $countent;
8.4.5 应用实例：批量下载保存序列
- 批量下载并保存序列
use LWP::Simple;
open (FH, ">seq.fasta");
@ids= ("Q6GV17" , "Q9BXR5" , "B3Y669" , "COLSK8");
foreach (@ids) {
$url= "http://www.uniprot.org/uniprot/$_.fasta";
$content = get $url;
die "Couldn't get $url" unless defined $content;
print FH "$countent";
}
close FH;