用Perl/R/Python提取正则表达式匹配到的字符串

这个应用场景挺多的

比如我想提取出注释信息中previous_id对应的基因ID,乍一看以为可以用cut命令一点一点切出来,但是又发现previous_id并不都是紧挨着ID列,并且derived_from对应的ID也需要提取出来。这个时候只能用到正则匹配了。

Perl

$ cat test.pl
#! /usr/bin/perl
use warnings;
use strict;

my $file_name = $ARGV[0];
open my $in_fh, "<", "$file_name";
while (<$in_fh>) {
    chomp $_;
    my @one_line = (split("\t", $_));
    my @old_name = ( $one_line[8] =~ /TraesCS[1-7][A-D]01G[0-9]{6}[CHL]{0,2}/g );
    print "@old_name\n";
}
close $in_fh;

$ perl test.pl test.gff3 | head -n 5
TraesCS1A01G000100
TraesCS1A01G000200
TraesCS1A01G000300
TraesCS1A01G000400
TraesCS1A01G000500

需要注意的是这一句:my @old_name = ( $one_line[8] =~ /TraesCS[1-7][A-D]01G[0-9]{6}[CHL]{0,2}/g );我目前的认识是必须用数组来接收,并且加上g,不管是匹配一次还是多次。

R

在R里面操作很简单,用到的是stringr包。

library(tidyverse)
a <- read.table("test.gff3",header = F,sep = "\t")
b <- as.character(a$V9)
#提取出第一次匹配的内容
c <- str_extract(b,"TraesCS[1-7][ABD]01G[0-9]{6}[CHL]{0,2}")
#提取出所有匹配的内容
#以矩阵形式返回所有匹配到的内容,并将每一行元素个数统一,不够的用""空字符串表示
d <- str_extract_all(b,"TraesCS[1-7][ABD]0[12]G[0-9]{6}[CHL]{0,2}",simplify = T) #此处的正则表达式有小改动,以便演示能匹配到多个的情况
> head(c)
[1] "TraesCS1A01G000100" "TraesCS1A01G000200" "TraesCS1A01G000300" "TraesCS1A01G000400" "TraesCS1A01G000500" "TraesCS1A01G000600"
> head(d)
     [,1]                 [,2]                 [,3]                
[1,] "TraesCS1A02G000100" "TraesCS1A01G000100" "TraesCS1A02G000100"
[2,] "TraesCS1A02G000200" "TraesCS1A01G000200" "TraesCS1A02G000200"
[3,] "TraesCS1A02G000300" "TraesCS1A01G000300" "TraesCS1A02G000300"
[4,] "TraesCS1A02G000400" "TraesCS1A01G000400" "TraesCS1A02G000400"
[5,] "TraesCS1A02G000500" "TraesCS1A01G000500" "TraesCS1A02G000500"
[6,] "TraesCS1A02G000600" "TraesCS1A01G000600" "TraesCS1A02G000600"

Python

$ cat test.py
import re

for line in open('./test.gff3'):
    all = re.findall("TraesCS[1-7][A-D]0[12]G[0-9]{6}[CHL]{0,2}", line)
    for i in all:
        print(i,end="\t")
    print()
$ python3 test.py
TraesCS1A02G000100  TraesCS1A01G000100  TraesCS1A01G000200  TraesCS1A02G000100  
TraesCS1A02G000200  TraesCS1A01G000200  TraesCS1A02G000200  
TraesCS1A02G000300  TraesCS1A01G000300  TraesCS1A02G000300  
TraesCS1A02G000400  TraesCS1A01G000400  TraesCS1A02G000400  
TraesCS1A02G000500  TraesCS1A01G000500  TraesCS1A02G000500
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,793评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,567评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,342评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,825评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,814评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,680评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,033评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,687评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,175评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,668评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,775评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,419评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,020评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,206评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,092评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,510评论 2 343

推荐阅读更多精彩内容