perl - 为什么我的最后一行总是输出两次？

Question

我有一个包含蛋白质序列和一些元数据的 uniprot 文档。我需要使用 perl 来匹配序列并将其打印出来，但由于某种原因，最后一行总是出现两次。我写的代码在这里

#!usr/bin/perl
open (IN,'P30988.txt');
while (<IN>) {

if($_=~m /^\s+(\D+)/) {   #this is the pattern I used to match the sequence in the document
  $seq=$1;
  $seq=~s/\s//g;}         #removing the spaces from the sequence

  print $seq;  
}

我改为尝试 $seq.=$1; 但它打印了 4.5 次序列。我确定我在这里犯了一个错误，但不确定是什么。这是输入文件 https://www.uniprot.org/uniprot/P30988.txt

Answer 1

这里是您的代码重新格式化并在运算符之间添加了额外的空格，以使语句运行的范围更清楚。

#!usr/bin/perl
open (IN,'P30988.txt');
while (<IN>) {

    if ($_ =~ m /^\s+(\D+)/) {   
        $seq = $1;
        $seq =~ s/\s//g;
    }   

    print $seq;  
}

print 命令的放置意味着 $seq 将针对输入文件中的每一行 打印——即使那些没有'匹配正则表达式。

我怀疑你想要这个

#!usr/bin/perl
open (IN,'P30988.txt');
while (<IN>) {

    if ($_ =~ m /^\s+(\D+)/) {   
        $seq = $1;
        $seq =~ s/\s//g;

        # only print $seq for lines that match with /^\s+(\D+)/
        # Also - added a newline to make it easier to debug

        print $seq . "\n";
    } 
}

当我运行时，我得到了这个

MRFTFTSRCLALFLLLNHPTPILPAFSNQTYPTIEPKPFLYVVGRKKMMDAQYKCYDRMQ 
QLPAYQGEGPYCNRTWDGWLCWDDTPAGVLSYQFCPDYFPDFDPSEKVTKYCDEKGVWFK 
HPENNRTWSNYTMCNAFTPEKLKNAYVLYYLAIVGHSLSIFTLVISLGIFVFFRSLGCQR 
VTLHKNMFLTYILNSMIIIIHLVEVVPNGELVRRDPVSCKILHFFHQYMMACNYFWMLCE 
GIYLHTLIVVAVFTEKQRLRWYYLLGWGFPLVPTTIHAITRAVYFNDNCWLSVETHLLYI 
IHGPVMAALVVNFFFLLNIVRVLVTKMRETHEAESHMYLKAVKATMILVPLLGIQFVVFP 
WRPSNKMLGKIYDYVMHSLIHFQGFFVATIYCFCNNEVQTTVKRQWAQFKIQWNQRWGRR 
PSNRSARAAAAAAEAGDIPIYICHQELRNEPANNQGEESAEIIPLNIIEQESSA