Perl語言在生物信息學中的應用ppt課件

1、整理ppt生物信息學與生物統(tǒng)計學系整理ppt主要內容nPERL簡介nPERL腳本的編寫nPERL變量nPerl語法nPERL與正則表達式nPERL示例整理pptPERL釋義Practical Extraction and Report Language 實用摘錄和報告語言，但它其實不是縮寫實用摘錄和報告語言，但它其實不是縮寫Larry Wall，1987.12.18Perl的歷史的歷史整理pptPerl的環(huán)境準備l Unix：大多數(shù)內置：大多數(shù)內置l 一些軟件也內置一些軟件也內置perl，比如，比如apache/oraclel Windows：ActivePerl5.10.0整理pptPerl

2、的工具編輯工具：編輯工具：notepad，viIDE：Komodo，Perl Dev KitCGI：Top perl studio，Perl builder,perl edit，perlwiz，Mod_perl整理pptPerl的功能l腳本語言，解釋執(zhí)行，無需編譯腳本語言，解釋執(zhí)行，無需編譯l具有編譯語言如具有編譯語言如c、Java的功能，又有的功能，又有shell腳本的方便腳本的方便l無數(shù)據(jù)類型區(qū)分，適于不太復雜的程序無數(shù)據(jù)類型區(qū)分，適于不太復雜的程序l適于不要求速度，不在乎內存適于不要求速度，不在乎內存CPU等系統(tǒng)資源的任務等系統(tǒng)資源的任務l強大的字符串處理功能強大的字符串處理功能l靈活或

3、復雜的正則表達式靈活或復雜的正則表達式l大多數(shù)平臺支持，除了專用模塊，可在不同平臺運行大多數(shù)平臺支持，除了專用模塊，可在不同平臺運行整理pptPerl的應用nWeb編程：CGI，XML處理n系統(tǒng)管理n網(wǎng)絡編程（安全腳本）.n數(shù)據(jù)庫管理n圖像處理n其他眾多的領域。整理ppt一個示例#!/usr/bin/perlPrint “This is my first perl programn”;$a=;Print $a;l第一行： #!/usr/bin/perl 由什么程序執(zhí)行以下的內容l注釋：l輸入：l輸出：printl$a：變量，無需指定數(shù)據(jù)類型整理pptperl的四種變量oScalar：標量，以$

4、開始，后面以字母或_開頭，再后面可以是字母或數(shù)字oarray：數(shù)組，列表，以開頭oHash： 哈希，散列，以%開頭o文件：大寫字母o區(qū)分大小寫，$Var, $VAR, $varo內置變量$/，$等整理ppt字符串變量o由雙引號或單引號標識的一組字符組成。o最少0個字符（“”為空串），最多可以占滿內存，末尾不含null(0)o“$string” = $str + “ing” != $stringo記住一些常用的轉義字符oprint “the $var is $var.”o注意單引號的用法：不替換、不轉義$var=“str”;print “this is $var”; # ”this is str

5、”print this is $var; # this is $var整理ppt變量初值l未創(chuàng)建時狀態(tài)為undef，到達文件尾也為undefl說明變量為未定義：undef $a;l用在條件判斷中：if(undef $a)l代替不關心的變量：$s=“a:b:c:d; ($a1,undef,undef,$d1)=split(/:/, $s);l如果有undef變量又不知在哪，可加-w參數(shù)進行提示#!/usr/bin/perl -wl創(chuàng)建后狀態(tài)為defined 一般用在條件判斷中if(defined $a)l整數(shù)初值為0，字符串初值為空串”。一般未賦值就使用時$result = $undefined

6、 + 2; 整理ppt相關函數(shù)olength()：字符串長度ouc, lc, ucfirst, lcfirst：改變大小寫函數(shù)osubstr, index, pos：字符串函數(shù)osin等三角函數(shù)orand(), srand()：隨機發(fā)生函數(shù)$lastchar = chop($str) # 截去最后一個字符$result = chomp($str) # 截去末尾的行分隔符（通常為”n”），行分隔符由$/定義整理ppt控制結構oif(condition1) elsif(condition2)elseounless()ountil()odo until()owhile()odo while ()of

7、or(;)oforeach循環(huán)語句整理pptforeacho語法：foreach $w(list|array)statemento()內可以是數(shù)組a，也可以是列表(1,2,3)o數(shù)組元素值可以修改，列表則是常量o$w不影響本來已定義的變量$w，循環(huán)結束后恢復o可以用$a(a)用相同的變量名稱o示例：nforeach $a(a)用于數(shù)組nforeach $a(1,2,3,4)用于列表nforeach $k(keys %h)用于哈希/散列nforeach $a(a1,2,4)僅對數(shù)組部分元素nforeach (a)缺省循環(huán)變量為$_整理ppt循環(huán)控制olast：退出循環(huán)onext：進入下一循環(huán)or

8、edo：重新執(zhí)行本次循環(huán)ogoto：跳轉ocontinuestatement整理ppt單行條件語句與循環(huán)語句oprint $a if $a=0;oprint $a unless($a=0);oprint $a while ($a-=0);oprint $a until ($a-=0)用|，&的條件語句：$a=0&print $a; open(F,file)|die “cant open”;die函數(shù)：在控制臺標準錯誤輸出信息后退出程序。warn： 輸出信息后不退出程序，只起警報作用。$!：內部變量，包含錯誤代碼。$：內部變量，包含錯誤信息。整理ppt列表數(shù)組的形式o形式：(1,

9、”a”,2.3, $a, $x+1)，其元素可以是數(shù)字、字符串、變量、表達式o空列表()，單元素列表(2)不同于標量2oqw(1 $a str)n()可以用其他符號表示，如n元素可以是數(shù)值、變量、不帶引號的字符串，中間用空格分開整理ppt范圍表示的列表.：范圍運算符，每次增加1，如1.3o(1.6)=(1,2,3,4,5,6)o(1,2.5,6)=(1,2,3,4,5,6)o(3.3)=(3)o(2.4.5.3)=(2.4,3.4,4.4)o(4.5.1.6)=()o(“aa”.”ad”)=(“aa”,”ab”,”ac”,”ad”)o$month=(01.31)o($a,$a+3)=(3,4,

10、5,6) if $a=3整理ppt數(shù)組列表的存儲oa=(1,2,3)，不同于$a，初始值為()o元素形式：$a0表示第一個元素，索引從0開始，$a-1表示倒數(shù)第一個元素o數(shù)組的賦值：na=(1,2,3,4); b=a;nb=(2,3); a=(1,a,4);na=; #從屏幕輸入進行賦值，按下CTRL-d結束n改變元素的值：$a1=3;n超出數(shù)組大小的元素賦值：$a5=6; #自動增長，其他元素為NULLn讀取不存在的元素為空：$b = $a6;整理ppt數(shù)組的讀出a=(1,2,3);n$a=$a1;n($x, $y, $z)=a; $x=1, $y=2, $z=3;n($x, $y)=a;

11、$x=1, $y=2;n($a,$b,$c,$d)=a; $a=1, $b=2, $c=3, $d=“”;n$a=a=$#a+1; # $a為數(shù)組長度，$#a為數(shù)組的最后一個元素的索引n($a)=a; # 數(shù)組的第一個元素$a0n打印數(shù)組：print a; # 元素直接相連 print “a”; # 元素之間用空格分開整理ppt數(shù)組片段a=(1.5)nsub=a0,1,3;na1,3=(“a”,”b”);nb=(1,2,3); sub=ab;na1,2=a2,1;na1,2,3=a3,2,4;整理ppt數(shù)組操作函數(shù)osort：缺省按字母排序$a, $b表示數(shù)組元素，_代表數(shù)組本身nrevers

12、e a; # 取數(shù)組的逆序nchop a; # 每個元素截去最后一個字符nshift(a); # 刪除數(shù)組第一個元素并返回該值，缺省對ARGV數(shù)組nunshift(a); # 在數(shù)組頭部添加元素，返回新數(shù)組長度npush(a,$a); # 在數(shù)組末尾添加元素npop(a); # 刪除數(shù)組末尾元素整理ppt數(shù)組操作函數(shù)（二）ojoin(連接符號, a)把數(shù)組連接為一個字串a(chǎn)=(a,b); join(:, a)=“a:b”;osplit(/分隔符/, 分割串, 長度)分隔符：缺省為空格，可省略分割串：缺省為$_，可省略長度：可省略，缺省為全部分割$s=“a,b,c”; a=split(/,/,$s

13、); a=(a,b,c); a=split(/,/,$s, 2); a=(a,b,c);整理ppt數(shù)組函數(shù)（三）osplice函數(shù)：ret = splice(a, skip, length, newlist);l對數(shù)組a進行操作，跳過skip個元素，然后用newlist替換length個元素lnewlist長度可以不為length，但其替換長度總為lengthl如果length=0表示為插入；如果newlist=()則表示為刪除l當length和newlist都省略時表示全部刪除ofound=grep(/pattern/, search)對數(shù)組search的每個元素進行搜索匹配pattern，

14、匹配元素返回到foundomap(expr, list)對數(shù)組list的每個元素進行expr運算，返回運算后的數(shù)組。元素用$_替代，如map($_+1, (1,2)(2,3)整理ppt二維數(shù)組aoa=1,2,3,a,b,c;n該數(shù)組的元素為兩個數(shù)組n子數(shù)組訪問： $aoa-0(1,2,3)n子數(shù)組元素列表：$aoa-00,1,2n子數(shù)組元素訪問：$aoa-00a=(1,2,3);b=(a,b,c);$aoa=a,b; $aoa-00;整理ppt關聯(lián)數(shù)組：哈希/散列o關聯(lián)數(shù)組的表示：%h=(1,a,2,b);o關聯(lián)數(shù)組的下標為關鍵字key，由key得到的值為valueo上式的意義是%h=(1=a

15、,2=b);o元素形式$h1=a整理ppt關聯(lián)數(shù)組的賦值%a=(“key1”,1,”key2”,2);%h=a;a=%h;%h1=%h2;($a,%h)=array;%h=(%first, %second);%h1=(%h2, k, v)函數(shù)的返回：%h=split();keys=(a,b,c); hashkeys=hashreverse keys;整理ppt關聯(lián)數(shù)組操作函數(shù)okeys(%hash), values(%hash)分別返回鍵和值的列表，返回元素無順序o($key, $value)=each(%hash)效率高于先用foreach $k (keys %h), 再用$hash$koe

16、xists $hashkey判斷關鍵字是否存在oundef(%h)相當于刪除散列%h=();odelete整理ppt關聯(lián)數(shù)組的順序foreach $w(sort keys(%hash) # 按照字符串排序或者foreach $w(sort $a$b keys(%hash) #數(shù)值排序整理ppt文件o存放于磁盤，用于讀寫訪問，訪問前必須先打開文件，結束時關閉文件open(HANDLE, “”) | die $!;o成功返回非零，失敗返回零oHANDLE：文件句柄，用來代表操作的文件。以字母開頭，字母、數(shù)字、下劃線組成，一般用大寫字母o缺省打開的句柄STDIN, STDOUT, STDERR, 文

17、件描述符為0，1，2。不必調用open就可以直接訪問nSTDIN：鍵盤輸入，控制臺。nSTDOUT：屏幕，顯示屏。nSTDERR：錯誤輸出，顯示屏。整理ppt文件訪問模式o只讀：open(F, “”); 文件不存在則創(chuàng)建新文件，存在則清空重寫o追加：open(F, “”);在存在的文件后面追加內容o讀寫：open(F, “+，文件不存在則創(chuàng)建，存在則清空再寫o讀寫：+，文件不存在則創(chuàng)建，存在則追加o管道：|，open(F,“| cathello”);把文件F的輸出(print F $a)作為后的輸入。open(F,“comm|”);把comm的輸出作為F的輸入。以下的內容只要讀出。comm為命

18、令。整理ppt文件緩沖 緩沖 無緩沖打開： open,sysopen sysopen關閉 close讀 ,readline sysread寫 print syswrite定位 tell,seek sysseek整理ppt讀文件o$line=讀一行到line，指針后移一行。缺省讀到$_中。$/=n，為行分隔符，遇到它則為一行結束，行包含$/?？捎胏homp($s)去除此標志，行尾不含$/則不去除字符?？稍O置$/為其他字符串，遇到$/為行結束，chomp去除此字符串。 oarray=文件內容全部讀出，每行為一個元素。含回車。o當從STDIN中讀時，可省略為。oread(F,$in,len,$off

19、set)讀入$inosysread(F,$in,len,$offset) getc(F)讀一個字符整理ppt命令行參數(shù)ARGV：全局，$ARGV0是第一個參數(shù)，不是程序名。是對$ARGV的引用。ARGV一旦賦值，原值丟失。1。第一次看到時，打開以$ARGV0中的文件。無參數(shù)則打開STDIN讀。所以可以省略。2。shift(ARGV),元素數(shù)量減少一個。3。讀打開的文件中的所有行。4。再讀第二個參數(shù)表示的文件。文件尾檢測：eof和eof()。文件結束返回真。 ARGV（”file1”,”file2”）; while($line=)if(eof)print eof; 讀取file1到末尾時，下一循

20、環(huán)打開下一文件。每次讀完一個文件輸出eof. if(eof()print eof);所有文件都讀完才輸出eof。整理ppt寫文件printf(“format str”,$a,$b);同c中的printf，格式化串包含%m.nf的格式指示，后面依次是相應的值列表。print F ( “str”);F文件句柄，后面為空格，省略F為STDOUT。str輸出內容?？捎脝我枺贿M行變量替換，不加引號，計算出變量的值再輸出。()可省略。這是函數(shù)的特點。write用于格式化輸出。不是read的相應操作。syswrite(F,$data,length,$offset);同sysread文件測試op expr

21、 if( -e “file1”)print STDERR (“file1n”);文件是否存在。-b是否為塊設備-c是否為字符設備-d是否為目錄 -e是否存在-f是否為普通文件 -g是否設置了setgid位-k是否設置了sticky位 -l是否為符號鏈接-o是否擁有該文件 -p是否為管道-r是否可讀 -s是否非空-t是否表示終端-u是否設置了setuid位-w是否可寫-x是否可執(zhí)行-z是否為空文件-A距上次訪問多長時間-B是否為二進制文件-C距上次訪問文件的inode多長時間 -M距上次修改多長時間-O是否只為“真正的用戶”所擁有-R是否只有“真正的用戶”可讀-S是否為socket-T是否為文本

22、文件-W是否只有“真正的用戶”可寫-X是否只有“真正的用戶”可執(zhí)行-s 返回文件長度，-A-C-M返回天數(shù)。整理ppt正則表達式(模式匹配)檢驗匹配是否成功=字符串是否匹配模式，匹配則為真，沒有匹配則為假。!不匹配為真，匹配為假。regular expression，規(guī)則表達式模式匹配，在字符串中尋找特定序列的字符。指定模式：由斜線包含，/def/即模式def。匹配操作符 =、!$question=“expleaseding”$question = /please/$question!/edit/整理ppt正則表達式的使用if ($question = /please/) print (Tha

23、nk you for being polite!n); else print (That was not very polite!n); 用于條件判斷：grep：正則表達式只對簡單變量匹配，如果是數(shù)組a=/abc/，則2=/abc/。用grep(/abc/,a);對數(shù)組中的每個元素匹配。split(/abc/,$line)根據(jù)模式匹配分割字符串。模式匹配的3種類型：m/模式匹配，s/匹配并替換，tr/逐一替換，翻譯整理ppt模式匹配之一：元字符+ 一個或多個相同的前導字符(模式)。如：/de+f/指def、deef、deeeeef等。是對前一個匹配模式的重復，不是匹配后的字符的重復。如/deE

24、+/，匹配de,dee,dE,dEE,deE,dEe。不是匹配了e后再重復eee，就沒有eE了。相當于/deEeEeE/。* 匹配0個、1個或多個相同字符？匹配0個或1個該前一個字符. 匹配除換行外的所有單個字符，通常與*合用 .*所有任意數(shù)量字符。與前一字符結合，可不出現(xiàn)字符。相當于.匹配指定數(shù)目的字符 指定所匹配字符的出現(xiàn)次數(shù)。如：/de1,3f/匹配def,deef和deeef；/de3f/匹配deeef；/de3,f/匹配不少于3個e在d和f之間；/de0,3f/匹配不多于3個e在d和f之間。整理ppt。表示除其之外的所有字符，如：/ddeEf/匹配d加非d,e,E字符加f的字符串模式

25、匹配之二：選擇 匹配一組字符中的任一個。/a0123456789c/將匹配a加一個數(shù)字加c的字符串。與+聯(lián)合使用例：/deE+f/匹配def、dEf、deef、dEdf字符|指定兩個或多個選擇來匹配模式。每個選擇都是一個匹配或一組。不是單個字符。如：/def|ghi/匹配def或ghi。/x|y+/匹配x或y+。0-9 a-z A-Z /a0-9c/ 匹配任意字母或數(shù)字0-9a-zA-Z例：檢驗數(shù)字表示合法性 if ($number = /-?d+$|-?0 xXda-fa-F+$/) print ($number is a legal integer.n); else print ($num

26、ber is not a legal integer.n); 其中 -?d+$ 匹配十進制數(shù)字，-?0 xXda-fa-F+$ 匹配十六進制數(shù)字。整理ppt轉義符和定界符模式中包含通常被看作特殊意義的字符，須在其前加斜線。如：/*+/中*即表示字符*，而不是上面提到的一個或多個字符的含義。斜線的表示為/。在PERL5中可用字符對Q和E來轉義。從Q開始到E間的字符為原始字符，無特殊含義。 d 任意數(shù)字 0-9 D 除數(shù)字外的任意字符 0-9 w 任意單詞字符 _0-9a-zA-Z W 任意非單詞字符 _0-9a-zA-Z s 空白 rtnf S 非空白 rtnf 例：/da-z/匹配任意數(shù)字或小

27、寫字母。定界定界： 或 A 僅匹配字符串首 $ 或 Z 僅匹配字符串尾 b 匹配單詞邊界 B 單詞內部匹配/def/只匹配行以def打頭的字符串，/def$/只匹配以def結尾的字符串，結合起來的/def$/只匹配字符串def$和A,Z在多行匹配時用法不同。整理ppt示例例1：檢驗變量名的類型： if ($varname = /$A-Za-z_0-9a-zA-Z*$/) print ($varname is a legal scalar variablen); elsif ($varname = /A-Za-z_0-9a-zA-Z*$/) print ($varname is a legal

28、array variablen); elsif ($varname = /A-Za-z_0-9a-zA-Z*$/) print ($varname is a legal n); else print (I dont understand what $varname is.n); 例2：b在單詞邊界匹配：/bdef/匹配def和defghi等以def打頭的單詞，但不匹配abcdef。/defb/匹配def和abcdef等以def結尾的單詞，但不匹配defghi，/bdefb/只匹配字符串def。注意：/bdef/可匹配$defghi，因為單詞包括字母數(shù)字下劃線 ， $并不被看作是單詞的部分。例3

29、：B在單詞內部匹配：/Bdef/匹配abcdef等，但不匹配def；/defB/匹配defghi等；/BdefB/匹配cdefg、abcdefghi等，但不匹配def,defghi,abcdef。整理ppt模式的重用當模式中匹配相同的部分出現(xiàn)多次時，可用括號括起來，用n來多次引用，以簡化表達式。把匹配的值存起來以后再用，和+模式的重復不同。只在本次匹配可用。還可以在匹配外引用。例：/d2(W)d21d2/ 匹配12-05-92，26.11.87，07 04 92等但不匹配12-05.92 注意：/d2(W)d21d2/ 不同于/(d2)(W)121/ ，后者只匹配形如17-17-17的字符串，

30、而不匹配17-05-91等。整理ppt模式變量在模式匹配后調用重用部分的結果可用變量$n，全部的結果，匹配模式用變量$&，包含不在括號中的。匹配處之前的部分用變量$，匹配處之前的部分用變量$。也可用列表一次取得。 $string = This string contains the number 25.11.; $string = /-?(d+).?(d+)/; # 匹配結果為25.11 $integerpart = $1; # now $integerpart = 25 $decimalpart = $2; # now $decimalpart = 11 $totalpart = $

31、& # now totalpart = 25.11 $_ = This string contains the number 25.11.; result = /-?(d+).?(d+)/; 匹配得到的變量形成列表，可賦值給數(shù)組。 當匹配失敗，$1的內容不確定，可能是從前匹配的內容。為避免匹配失敗要進行是否匹配成功的判斷，或直接賦值。 ($m1,$m2)=($name=/(ab).*(c) 把()內的匹配值直接賦與$m1,$m2，不改變$1的值。 嵌套使用：/(aaa)*)/，最外層的括號為$1，內層為$2，$3。整理ppt匹配選項g 匹配所有可能的模式，根據(jù)懶惰規(guī)則不加g只匹配一處。

32、返回到數(shù)組中。 matches = balata = /.a/g; # matches = (ba, la, ta) 匹配的循環(huán)：每次匹配記住上次的位置 while (balata = /.a/g) $match = $& print ($matchn); 結果為： ba la ta 當要匹配的字符串改變時重新開始搜索。 當使用了選項g時，可用函數(shù)pos來控制下次匹配的偏移： $offset = pos($string);下一個匹配開始的位置 pos($string) = $newoffset;從此位置開始搜索匹配整理ppt匹配選項i 忽略模式中的大小寫：/de/i 匹配de,dE,D

33、e和DE。m 將待匹配串視為多行，符號匹配字符串的起始或新的一行的起始；$符號匹配任意行的末尾。以下例只匹配第一行為a，否則無匹配; $line=a b c; $line=/(.*)$/m;s 將待匹配串視為單行 。.可以匹配n。 /a.*bc/s匹配字符串a(chǎn)xxxxx nxxxxbc，但/a.*bc/則不匹配該字符串。o 僅只執(zhí)行一次變量替換 $var = 1; $line = ; while ($var 10) $result = $line = /$var/o; $line = ;$var+; 第一次匹配1，第二次值為2，但仍匹配1。x 忽略模式中的空白 。格式清晰 /d2 (W) d2

34、 1 d2/x等價于/d2(W)d21d2/。整理ppt匹配符號的優(yōu)先級象操作符一樣，轉義和特定字符也有執(zhí)行次序() 模式內存 + * ? 出現(xiàn)次數(shù) $ b B 錨 | 選項擴展匹配模式(?pattern)，其中c是一個字符，pattern是起作用的模式或子模式。3、(?#注釋)模式注釋 PERL5中可以在模式中用?#來加注釋，如： if ($string = /(?i)a-z2,3(?# match two or three alphabetic characters)/ . 1、(?:pattern)不存貯括號內的匹配內容括號內的子模式將存貯在內存中，此功能即取消存貯該括號內的匹配內容，如/(?:a|b|c)(d|e)f1/中的1表示已匹配的d或e，而不是a或b或c。2、 /(?option)pattern/內嵌模式選項 通常模式選項置于其后，有四個選項：i、m、s、x可以內嵌使用，等價于/pattern/option。/(?i)a-z+/=/a-z+/i4、(?)取消貪婪 a12b38b /a.*b/ 全部匹配，當/a(.*?)b/時匹配a12b。 同樣的有*?,+?,?,x?,x,?,x,y?, 整理