Question

简单问题请教：perl读取序列，给每个序列加上序列名称（即编号）然后写入新文件。

AGCCCTCTGTAGCATTTGTATGGC
AGCCCTCTGTAGTATTTCTATGGC
AGCCCTCTGTAGTATTTGTATGGCTCCTTAGAC
...

为什么我的程序（见下面）运行后只生成一行>Leaf_1呢？请高手点拨一下循环哪里错了？ 谢谢！

#!/usr/bin/perl -w
die "perl $0 <Input txt>\n" unless(@ARGV == 1);
open IN,$ARGV[0];
open OUT,">Output.fa";
my $count = 1;
while(<IN>){
if($_) {
print ">Leaf_$count\n";
print OUT ">Leaf_$count\n";
$count++;
}
}
close IN;
close OUT;

Answer 1

#!/usr/bin/perl -w
die "perl $0 <Input txt>\n" unless(@ARGV == 1);
open IN,$ARGV[0];
open OUT,">Output.fa";
my $count = 1;
while(<IN>){
if($_) { #这个判断存在问题
print ">Leaf_$count\n";
print OUT ">Leaf_$count\n";
$count++;
}
}
close IN;
close OUT;

将if($_) 这个去掉再试试吧。
或者将这一句修改为 if($_=~/[ATCG]/gi)也可以
因为看你说的输出结果，文件句柄应该是打开了的，否则执行不到wile循环里面来，所以只可能是那一个判断的问题了。

追问

谢谢您的回答。两种方法我都试了，但结果都还是只输出第一行就停止了，并未执行while循环。看来问题还没有找到。

追答

那你的文本文件里面能否确认没有00这样的非标准二进制字符？
建议将
if($_) {
print ">Leaf_$count\n";
print OUT ">Leaf_$count\n";
$count++;
}
这一段先修改一下，修改为：
print “$_";
看看打印的信息是什么，如果打印没有问题，那么在while之前加上$/="\n";试试
如果不能打印出信息，那么可能就是你的文件里面存在了空字符，就需要你新建一个文本文件或者将你现在的文本文件另存为一个ANSI编码的文本，注意是ANSI，也就是你另存为的时候可以看到，编码一行显示ANSI，不要是unicode或者其他的。
然后你再运行你的脚本试试。

追问

按照您上面的建议，我运行了一下，发现每次终端只输出一行序列，然后就被下一行覆盖了，这是不是就是问题？试了另外几个能正常运行的txt序列文件，它们的全部序列都能显现在终端上，而不象我的文件每次只显示一个序列。这个问题怎么解决呢？

追答

OK 那我就清楚你的问题所在了，脚本修改如下：
#!/usr/bin/perl -w
die "perl $0 \n" unless(@ARGV == 1);
open IN,$ARGV[0];
open OUT,">Output.fa";
my $count = 1;
while(){
$_=~s/[\r\n]//g;
print ">Leaf_$count\n";
print OUT ">Leaf_$count\n";
$count++;
}
close IN;
close OUT;

你这个之所以没有打印出来，是因为你的换行是利用的\r\n换行的，而不是标准的\n换行的，你应该是在windows下生成的txt文件拿到linux下面去处理吧。

追问

我是从原始txt文件拷贝到excel里，删除多余行后再存为.txt文件，结果导致了隐含的格式问题。按您说的改了，用执行后的txt文件再跑之前的script，成功了！

呵呵，不过我还改了一小处
$_=~s/[\r\n]//g; 改成了 $_=~s/[\r\n]/\n/g;

再次衷心感谢您的帮助！我是想学一些perl语言，但是入门总是很困难，这不两天上百度问了三个问题，呵呵。

追答

$_=~s/[\r\n]//g; 改成了 $_=~s/[\r\n]/\n/g;

这个最好修改的时候修改为：
$_=~s/[\r\n]//g; 改成了 $_=~s/[\r\n]+/\n/g;
否则可能引起连续两个\n也就是中间出现空行的问题

Answer 2

估计是你的输入路径有错.

将这句 open IN,$ARGV[0];
改成 open IN,$ARGV[0] or die "$! $ARGV[0]";

看看会不会报错

追问

还有一种思路：我的原始文件是tab-delimited格式的：
AAGACCATTCGAGCTTATCTCTTC 1 1
ATGGAGAAGGAAATGAAGAGCAGT 1 1
......

如果用程序从上面文件里直接提取第一列（序列）数据，然后按顺序加上序列名>seq_1,2,3...是不是可以避免后续可能产生的格式困扰呢？如果可行，能帮忙写一个这样的程序吗？谢谢！