perl - 向数组散列中的数组添加新元素

Question

我想读取文件的内容并将其保存在数组的散列中。每行的第一列将是关键。然后，我要读取一个目录下的文件，根据key把文件名添加到数组末尾!

文件($file_info)

AANB    John    male
S00V    Sara    female
SBBA    Anna    female

目录中的文件:

AANB.txt
SBBA.txt
S00V.txt

预期输出:

AANB    John    male    AANB.txt
S00V    Sara    female  S00V.txt
SBBA    Anna    female  SBBA.txt

这是脚本本身:

#!/usr/bin/perl

use strict;
use warnings;

my %all_samples=();
my $file_info = $ARGV[0];

open(FH, "<$file_info");

while(<FH>) {
    chomp;
    my @line = split("\t| ", $_);

    push(@{$all_samples{$line[0]}}, $_);
}

my $dir = ".";
opendir(DIR, $dir);
my @files = grep(/\.txt$/,readdir(DIR));
closedir(DIR);

foreach my $file (@files) {
    foreach my $k (keys %all_samples){
        foreach my $element (@{ $all_samples{$k} }){
            my @element = split(' ', $element);
            if ($file =~ m/$element[0]/) {
                push @{$all_samples{$element}}, $file;
            }
            else {
                next;
            }
        }
    }

}

foreach my $k (keys %all_samples) {
    foreach my $element (@{ $all_samples{$k} }) {
        print $element,"\n";
    }
}

但是输出不是我所期望的

AANB    John    male
SBBA.txt1
S00V    Sara    female
SBBA    Anna    female
S00V.txt1
AANB.txt1

Answer 1

我认为

        my @element = split(' ', $element);
        if ($file =~ m/$element[0]/) {
            push @{$all_samples{$element}}, $file;
        }

没有做正确的事情，所以 $all_samples{$element}} 是一个新的 arrayref。您正在打印六个单元素数组，而不是三个二元素数组。

但是每行打印一个数组元素也无济于事。

我认为你的最后一部分应该看起来更像这样:

foreach my $k (keys %all_samples) {
    print join( "\t", @{ $all_samples{$k} } ) . "\n"
}

总的来说，我认为您使这个脚本过于复杂了。我会这样写:

#!/usr/bin/perl

use strict;
use warnings;

my $all_samples={};

while(<>) {
    chomp;
    # Note that I'm using variable names here to document
    # The format of the file being read. This makes for
    # easier trouble-shooting -- if a column is missing,
    # It's easier to tell that $file_base_name shouldn't be
    # 'Anna' than that $line[0] should not be 'Anna'.
    my ( $file_base_name, $given_name, $sex ) = split("\t", $_);
    push(@{$all_samples->{$file_base_name} }, ( $file_base_name, $given_name, $sex ) );
}

my $dir = ".";
opendir(DIR, $dir);
my @files = grep(/\.txt$/,readdir(DIR));
closedir(DIR);

FILE: foreach my $file (@files) {
    BASE: foreach my $base (keys %{$all_samples}){
        next BASE unless( $file =~ /$base/ );
        push @{$all_samples->{$base}}, $file;
    }
}

foreach my $k (keys %{$all_samples} ) {
    print join( "\t", @{ $all_samples->{$k} } ) . "\n";
}

我更喜欢 hashrefs 而不是 hashes，仅仅是因为我倾向于处理嵌套数据结构——我只是更习惯于看到 $all_samples->{$k} 而不是 $all_samples {$k}...更重要的是，我正在使用 arrayref 的全部功能，这意味着我不必重新拆分已经拆分过一次的数组。

G. Cito 提出了一个有趣的观点:我为什么使用

push(@{$all_samples->{$file_base_name} }, ( $file_base_name, $given_name, $sex ) );

而不是

push(@{$all_samples->{$file_base_name} }, [ $file_base_name, $given_name, $sex ] );

后者在语法上没有任何错误，但这不是我想要完成的:

让我们看看 $all_samples->{$base} 之后会是什么样子

push @{$all_samples->{$base}}, $file;

如果原来的推送是这样的:

push(@{$all_samples->{$file_base_name} }, [ $file_base_name, $given_name, $sex ] );

@{$all_samples->{$base}} 看起来像这样:

(
    [ $file_base_name, $given_name, $sex ],
    $file
)

如果相反，我们使用

push(@{$all_samples->{$file_base_name} }, ( $file_base_name, $given_name, $sex ) );

@{$all_samples->{$base}} 在 push @{$all_samples->{$base}}, $file 之后看起来像这样:

(
    $file_base_name, 
    $given_name, 
    $sex, 
    $file
)

例如:

(
    "AANB",
    "John",   
    "male",    
    "AANB.txt"
)

所以当我们打印数组时:

print join( "\t", @{ $all_samples->{$k} } ) . "\n";

将打印

AANB    John    male    AANB.txt