Question

谁能帮我注释一小段perl程序，尤其是if语句判断的是什么啊，while (<IN>) 是自动读一个字符串吗，存在哪里

my %tagId_seq;
my %tagId_count;
my $uniq_tag_num;
my $total_tag_count;
open IN, $seq_file || die $!;
while (<IN>) {
if (/^>(\S+)/) {
my $tagId=$1;
my $count=0;
if (/>\S+\s+(\d+)/) {
$count=$1;
}
my $seq=<IN>; chomp $seq;

my $length=length $seq;
if ($length >=$MIN_LEN && $length <=$MAX_LEN) {
$tagId_seq{$tagId}=$seq;
$tagId_count{$tagId}=$count;
++$uniq_tag_num;
$total_tag_count+=$count;
}
}
}
close IN;

Answer 1

1、open IN, $seq_file || die $!; 这句读文件的，IN是文件句柄的名字，$seq_file指明文件来源， 后面的 || die $!表示 如果前面的open失败 则用 die报告错误，并结束程序， $!在报错的时候内容为实际的出错原因。提示，最好使用3个参数的open函数，比如：
open ( IN, '<', $file_name) or die "Can't open $file_name : $!";
第二个参数 <表示读入， >表示写出， >> 表示追加。
2、while (<IN>) { 这一句， 相当于2句， 首先是 $_ = <IN>；默认读入的内容存在系统默认变量 $_中， 然后while循环 测试 $_的值是否非空，如果读入成功则进入循环；
3、if (/^>(\S+)/) { 这一句用于检查 $_ 的内容和正则表达式 /^>(\S+)/ 是否匹配， ^表示文件头， 用()括起来的内容可以在后面引用匹配的实际的值，如果不需要该值就不需要括号了。比如，文件读入内容为： >nm_415621 rna ; 那么后面紧接着的变量赋值 my $tagId=$1; 结果就是nm_415621 ， $1 引用了前面匹配的括号里的内容。
4、原来这样啊，那要是同时读2个变量
(/>(\S)+\s+(\d+)/)
my $tagId=$1;
my $count=$2;
是这样吗？要是没有if，怎么读<IN>里的变量啊，比如my $seq=<IN>; 怎么从 $seq抽取$tagId和$count？
答： 这个不用if来判断是不行的， 因为 $seq=<IN>;理论上是读入文件，但是失败了呢，比如读完了或者文件为空，则 $seq 是没有值的后面也酒不能用了，所以要先确保 $seq 有值，就是要加一句 if ($seq){..} ， 还不如 if ($seq=<IN> ){..} 方便；正则匹配的时候也是， 你不知道能不能匹配成功。代码如下：
/>(\S)+\s+(\d+)/;my $tagId=$1;my $count=$2;
有时候对有时候会出错！为什么？ 因为可能匹配失败啊，比如这一行内容是 ：acgtacgt，肯定没有匹配的内容，my $tagId=$1;my $count=$2;这里的$1和$2是没有值的，所以就会报错了，但是;
if(/>(\S)+\s+(\d+)/){ my $tagId=$1;my $count=$2;} 这个肯定对，成功匹配的时候 $1匹配前面的， $2匹配后面的数字，刚好是想要的内容。

Answer 2

你这应该是读取一个FASTA格式的序列文件，每个序列的名字以“>”开头，下面是序列，但是如果序列是多行的，那么这个程序就有问题了。。。

Answer 3

整个程序的大致意思是打开$seq_file这个路径的文件，
然后逐行读取while(<IN>)当然是放到$_里面
如果找到满足条件的行，例如
>tagfirst 100
kkkkkkkk
判断读到的行是上面的格式>非空格n个为tag 空格n个 数字n个为个数
读取下一行seq，下一行长度满足要求，以tag为键存储seq和个数。。。。

Answer 4

--正则
if (/^>(\S+)/) { #如果一行的行首是这种形式：>非空格

if (/>\S+\s+(\d+)/) { # >非空格 123（数字）

追问

为什么if (/^>(\S+)/)，(\S+)用了括号
if (/>\S+\s+(\d+)/)，\S+没用括号，最后(\d+)有括号，有什么区别吗
还有open IN, $seq_file || die $!;
IN只是一个名字吗，还是只要是读文件就要open IN
要是同时读两个文件，IN岂不是就冲突了

追答

--后面 $1 是(...)里的值
要是同时读两个文件：open IN1; open IN2

追问

原来这样啊，那要是同时读2个变量
(/>(\S)+\s+(\d+)/)
my $tagId=$1;
my $count=$2;
是这样吗？要是没有if，怎么读里的变量啊，比如my $seq=; 怎么从 $seq抽取$tagId和$count