【学习笔记】山东大学生物信息学——Perl 语言基础入门+高级

8.3 Perl 语言基础入门

• 详见视频：Perl 语言基础入门-01 P137

● Perl：Practical Extraction and Report Language 官网免费下载 （网不好可能打不开），支持多操作系统

• 直译语言：Interpreted Language
• 序列处理：特别适合字符串（序列）处理
• 文件处理：方便简洁的文件写入与写出
• 模式匹配：全面支持正则表达式

8.3.1 第一个 Perl

• 创建一个文本文件，命名为 test.pl
• 第一行写 Perl 执行环境（安装路径）
  linux 写：#!/usr/bin/perl
  Windows 写：#!C:/Strawberry/perl/bin/perl.exe
• 第二行写一个简单的语句，比如：print "He1lo world!";
• 保存 test.pl，打开 cmd 命令窗口。
• 切换到 test.pl 所在目录。cd Desktop
• 执行 perl test.pl 命令，运行你的第一个程序。
  

8.3.2 Perl 的基本规则

• 每条语句后面必须有";"。
• 注释前面加"#"，只对单行有效。
• 变量的定义极其简单随便：
  ◆ 不用提前声明变量，随用随定义；
  ◆ 不用定义变量类型，赋值后程序会自动判断；
  ◆ 变量名区分大小写，以字母开头，不能有特殊字符；
  ◆ 变量名前面加"$“，用”="赋值。$scalar = expression

● 各种引号的使用：

• 单引号'' 完全直白的翻译引号里的全部内容。
  
• 双引号"" 可以识别引号里的变量和反义字符。
  
• 反引号``将引号里的内容当成命令来执行。
  

● 各种操作符的使用：

• 比较操作符 Comparison Operators：
  针对字符串的比较操作符和针对数字的比较操作符是不一样的！
  ◆ 数字比字母小！
  ◆ 大写字母比小写字母小！
  ◆ 由小到大：数字 [0-9]、大写字母 [A-Z]、小写字母 [a-z]
  

• 逻辑操作符 Logical Operators：
  可以直接写：or, and, not
  也可以用符号代替：||, &&, !
  特殊逻辑操作符：xor 异或
  △ a xor b = (a' and b) or (a and b') (a’ = not a)
  如果 a、b 两个值不相同，则异或结果为 1。如果 a、b 两个值相同，异或结果为 0。

• 字符串操作符 String Operators：
  . 字符串拼接相连
  x 字符串重复复制
  .= 字符串拼接相连后赋值

  $string1 = "potato";
  $string2 = "head";
  $string3 = $string1 . $string2;	#patatohead
  $string4 = $string1 x 2;		#patato
  $string1 .= $string2; 			#string1 = patatohead
  

8.3.3 字符串常用函数

• Perl 有许多提前定义好的函数：函数名 ( 参数 1, 参数 2,... 参数 n)
  注意：
  参数间的逗号是必不可少的
  括起参数的括号则是可有可无的

• length 函数：
  语法：length($string);
  说明：求出字符串$string 的字节值（长度）。

  $string="Per15";
  $size=length($string); #这时 $size=5
  
  #计算一条氨基酸序列的长度
  $seq="GHMGSSVLEELVQLVKDKNIDISIKYDPRKDSEVEANRVITDDIELLKKILAYFLPEDAILKGGHYDNQLQNGIKRVKEFLESSPNTQWELRAFMAVMHFSLTADRIDDDILKVIVDSMNHHGDARSKLREELAELTAE";
  $len=length($seq);
  print "The protein contains $len amino acids.";
  

• substr 函数：
  语法：substr($string, offset, 1ength);
  说明：截取字符串$string 的子字符串。
  ★ 注意：第一位是 0，不是 1。
  offset 代表起始字符的位置，而 offset 如果是负值的话，就会从字符串右边开始指定字符。
  length 代表引用的字符串长度，如果省略 length 则代表从起始值到字符串的最后一个字符长度。
  

  $s1=substr("perl5",2,2);   	#$s="rl" 从第二个字符串后开始截取 2 个字符串
  $s2=substr("perl5",1);   	#$s="erl5" 从第一个字符串后开始截取剩余字符串
  $s3=substr("perl5",-5,3);    #$s="per" 从倒数第五个字符串开始截取 3 个字符串
  
  #提取出蛋白质序列的功能区，功能区位于第 12 个氨基酸到第 23 个氨基酸。
  $seq="GHMGSSVLEELVQLVKDKNIDISIKYDPRKDSEVEANRVITDDIELLKKILAYFLPEDALKGGHYDNQLQNGIKRVKEFLESSPNTQWELRAFMAVMHFSLTADRIDDDILKVIVDSMNHHGDARSKLREELAELTAE";
  $begin=11;
  $end=22;
  $length=$end-$begin+1; 
  $region=substr($seq, $begin, $length);
  print "The functional region is $region.";
  

• index 函数：
  语法：index($string, $substring, position)
  说明：返回所要找寻的字符$substring 在字符串 $string 中的位置（只返回找到的第一个位置），如果找不到，则返回-1。$substring 是要寻找的字符；
  position 代表从哪一个位置开始寻找，假如省略就是从头开始找起。

  $s1=index("pell5","p");		#$s1=0
  $s2=index("pell5","l",2);	#$s2=2  只返回找到的第一个位置
  $s3=index("pell5", "perl");	#$s3=-1
  
  #查找某功能区在一条蛋白质序列里的位置。
  $seq="GHMGSSVLEELVQLVKDKNIDISIKYDPRKDSEVEANRVITDDELLKKILAYFLPEDAILKGGHYDNQLQNGIKRVKEFLESSPNTQWELRAFMAVMHFSLTADRIDDDILKVIVDSMNHHGDARSKLREELAELTAE";
  $region="KEFLESSPNT";
  $begin=index($seq, $region)+1;  #起始位置，注意获取 index 后加一
  $end=$begin+length($region)-1;  #结束位置，注意减一
  $begin_aa=substr($region,0,1);  #第一个氨基酸
  $end_aa=substr($region,-1,1); #最后一个氨基酸
  print "The functional region is from $begin_aa$begin to $end_aa$end.";
  

8.3.4 数组常用函数

• 数组 Array 是包含在括号()里的一组元素。
  -元素可为任何值也可为空，以逗号相隔
  -随时可以增减元素的个数
  -数组用@符号表示，比如：@arr("A","T","C","G")
  -数组中的一个元素等于一个变量，写成：$arr[index_number]

  print $arr[0];  #A
  print $arr[1,3]; #TG
  print @arr; #ATCG
  

• scalar 函数：元素个数
  语法：scalar(@array)
  说明：返回数组 @array 的元素个数。

  @arr=("A","B","C"); #定义一个数组
  $num=scalar(@arr); #这时$num=3
  
  #批量处理一组 Uniprot ID 前，先数数这一组 ID 的个数。
  @ids=("Q6GV17", "Q9BXR5", "B3Y669", "COLSK8");
  $count=scalar(@ids);
  print "$count ids : @ids";
  

• reverse 函数：逆序
  语法：reverse(@array)
  说明：将数组@array中的元素由后到前逆向排列。

• sort 函数：升序
  语法：sort[{$a<=>$b}](@array)
  说明：将数组 @array 中的元素按 ASCII 码顺序由小到大排序。加上{$a<=>$b}之后按数字大小排序。

  @arr1=(21,1,2,12);
  @arr2=reverse(@arr1); #@arr2=(12,2,1,21); 元素逆序
  @arr3=sort(@arr); #@arr2=(1,12,2,21) 按字符串大小排序
  @arr4=sort{
        
        $a<=>$b}(@arr); #@arr3=(1,2,12,21) 按数字大小排序
  
  #将一组计算结果数值升序/降序排列。
  @value=(10,34,24,16,4,7);
  @value1=sort{
        
        $a<=>$b}(@value);  # 升序
  @value2=reverse(@value1); # 降序
  print "ascending order : @value1\n";  #\n 代表换行
  print "descending order : @value2";
  

• pop 函数：删除最后一个
  语法：pop(@array)
  说明：将数组@array的最后一个元素删除，并将删除的元素返回。

  @arr=("A","B","C");
  $rm=pop(@arr); #@arr=("A", "B"), $rm="C" 
  

• push 函数：最后添加
  语法：push(@array，$newelement/@newarray)
  说明：在数组@array的最后加上新元素或者新数组。

  @arr=("A","B","C") ;
  push(@arr,"D") ;  #@arr=("A", "B","C","D")
  
  #由大到小排序，同时去掉最小值，并在最后添加元素的个数。
  @value=(10,34,24,16,4,7);
  @value1=sort{
        
        $a<=>$b}(@value);
  @value=reverse(@value);
  pop(@value);
  push(@value, scalar(@value)); 
  print "new value : @value";
  

• shift 函数：删除第一个
  语法：shift(@array)
  说明：与 pop 相似，将数组@array的第一个元素删除，并将删除的元素返回。

  @arr=("A","B","C");
  $rm=shift(@arr); #@arr=("B", "C"), $rm="A" 
  

• unshift 函数：前面添加
  语法：unshift(@array，$newelement/@newarray)
  说明：与 push 相似，在数组@array的最前面加上新元素或者新数组。

  @arr=("A","B");
  unshift(@arr,"X") ;  #@arr=("X", "A","B")
  
  #由大到小排序，同时去掉最大值，并在最前面添加元素的个数。
  @value=(10,34,24,16,4,7);
  @value1=sort{
        
        $a<=>$b}(@value);
  @value=reverse(@value);
  shift(@value);
  unshift(@value, scalar(@value)); 
  print "new value : @value";
  

• join 函数：连接:
  语法：join($string, @array)
  说明：用指定字符$string 将数组@array中的元素连接成字符串，并将该字符串作为结果返回。

  @arr=("A" , "B" , "C") ;
  $get=join(":", @arr);  #$get="A:B:C"
  

• split 函数：分割:
  语法：split(/pattern/, $string)
  说明：把字符串$string 按照 pattern(分隔符) 进行分割，并把分割后的结果放入数组中。

  $seq="15:32:54";
  @arr=split(/:/, $seq) ; #@arr=("15","32","54")
  
  # 获取 FASTA 格式序列的纯序列部分。
  $fasta=">sp|P33316|DUT_HUMAN
  MTPLCPRPALCYHFLTSLLRSAMQNARGARQRA
  EAAVLSGPGPPLGRAAQHGIPRPLSSAGRLSQG 
  CRGASTVGAAGWKGELPKAGGSPAPGPETP";
  @line=split(/\n/, $fasta); # 按换行符分割成行数 n 个字符串并放入数组 line
  shift(@line); # 去掉数组中的第 1 个字符串，即">"开头的第一行
  $seq=join("", @line); #拼接其他字符串，即纯序列
  print $seq;
  

---

8.4 Perl 语言基础高级

8.4.1 if 条件语句

● 语法一：

• if 条件语句的“条件”放在括号 () 里
  括号里的“条件”是逻辑表达式
  如果逻辑表达式判断为 true: 执行 if 后面大括号{}里的语句
  如果逻辑表达式判断为 false: 执行 else 后面大括号{}里的语句
  注意：if 和 else 可以不成对出现，即，可以只有 if 没有 else, 而不能只有 else 没有 if !

  $a=10;
  $b=15;
  if ($a > $b) {
        
        
      print "a is bigger!";
  }
  else {
        
        
      print "b is bigger!";
  }
  

● 语法二：

• 如果逻辑表达式 1 判断为 true: 执行 statement1
• 如果逻辑表达式 1 判断为 false:
  继续判断 elsif 后面的逻辑表达式 2
  如果逻辑表达式 2 判断为 true: 执行 statement2
  如果逻辑表达式 2 判断为 false: 执行 statement3

  if ($a == 5) {
        
        
      print '$a is 5';
  }
  elsif ($a == 10) {
        
        
      print '$a is 10';
  }
  elsif ($a == 15) {
        
        
      print '$a is 15';
  }
  else {
        
        
      print '$a is not (5 or 10 or 15)';
  }
  

8.4.2 for 循环语句

● 语法一：for

1. init 会首先被执行，且只会被执行一次。这一步是声明并初始化循环控制变量。比如：$i=1;
2. 接下来，会判断 condition。 如果为 true, 则执行循环主体。如果为 false, 则不执行。比如：$i<10;
3. 在执行完循环主体后，控制流会跳回 increment 语句，并更新循环控制变量。比如：$i++
4. 再次判断 condition，重复以上过程，直到条件变为 false 时，循环终止。

   # 九九乘法表
   for ($i=1; $i<10; $i++) {
         
         
       for($j=1; $j<10; $j++) {
         
         
           $x=$i*$j;
           print "$i x $j = $x\t";
       }
       print "\n";
   }
   

● 语法二：foreach

foreach (@array) {
    
    
    statement1;
    ……
}

1. 针对数组 @array 中的每一个元素，执行循环主体。(遍历数组)

2. 用变量 $_ 代表本轮循环中所抓取的当前元素。

3. 数组中每一个元素依次轮一遍之后，循环结束。

   # 奇数偶数？
   @a=(1, 12, 33, 25, 98, 34, 55, 76, 18, 10);
   
   foreach (@a) {
         
         
       if ($_ % 2 == 0)  # % 取余数
       {
         
           print "$_ is even. \n"; }
       else 
       {
         
           print "$_ is odd. \n"; }
   }
   

8.4.3 文件读入与写出

• 读入文件：
  open(FH, "read.txt"); 打开当前路径中的 read.txt 文件。FH 为一个文件读写事件的标识，可自行定义名字。
  @get = <FH>; 将读取的文件内容存入数组 @get 中，根据换行"\n"分割元素，即，一行一个元素。
  close FH; 读取结束，关闭文件标识 FH。

  open(FH, "read.txt");
  @get = <FH>;
  close FH;
  

• 写出文件：
  open(FH, ">write.txt"); 打开/创建当前路径中的 write.txt 文件，并往其中写出内容。“>” 代表写出，且文件中原有内容将被覆盖。
  print FH "Hello world!\n"; “print FH” 代表将双引号中的内容写出到文件标识 FH 所代表的文件，而非写出到屏幕。
  close FH; 写出结束，关闭文件标识 FH。

  open(FH, ">write.txt");
  print FH "Hello world!\n";
  close FH;
  

• 续写文件：
  open(FH, ">>write.txt"); 打开/创建当前路径中的 write.txt 文件，并往其中写出内容。“>>” 代表续写，文件中原有内容不会被覆盖。
  print FH "Hello world!\n"; 同写出文件。
  close FH; 写出结束，关闭文件标识 FH。

  open(FH, ">>write.txt");
  print FH "Hello world!\n";
  close FH;
  

• 屏幕输入：
  print "What's your name?\n"; 屏幕打印一句话
  $name = <STDIN>; STDIN 说明 $name 应通过屏幕输入赋值。光标将停留以等待用户输入内容，输入后回车。
  chomp($name); chomp 函数用于去掉屏幕输入内容最后的回车。
  print "Hello $name!"; 打印获取的屏幕输入值。

  print "What's your name?\n";
  $name = <STDIN>;
  chomp($name);
  print "Hello $name!";
  

8.4.4 获取下载网页

• 基本语句：

# 引用 LWP 模块，以使用 get 函数
use LWP::Simple;  
# 将一个 FASTA 序列的网址赋值给变量 $url
$url='http://www.uniprot.org/uniprot/Q6GV17.fasta';  
# get 函数获取$url 网址打开页面的全部内容（获取页面源代码）
$content = get $url; 
# 如果网址无法打开，die 函数将强制结束程序，并屏幕打印告知。
die "Couldn't get $url" unless defined $content;
# 将获取的网页内容打印出来。
print $countent;

8.4.5 应用实例：批量下载保存序列

• 批量下载并保存序列

use LWP::Simple;  
open (FH, ">seq.fasta");
@ids= ("Q6GV17" , "Q9BXR5" , "B3Y669" , "COLSK8");
foreach (@ids) {
    
    
    $url= "http://www.uniprot.org/uniprot/$_.fasta";
    $content = get $url;
    die "Couldn't get $url" unless defined $content;
    print FH "$countent";
}
close FH;