014-懒惰也是一种美德

#!/usr/bin/perl -w
$_="hello,bioinfoplanet";
print；
#结果就是hello,bioinfoplanet

($reed, $jessie, $ze)=("bio","info",undef);
print "$reed\n";
print "$jessie\n";
print "$ze\n";
得到结果：
bio
info
	【第三行为空】

#!/usr/bin/perl -w
$test="bio;info;planet";
@array=split /:/, $test；
print "@array\n"
# 结果是
# bio info planet【注意并不是输出一个换一行哦，而是整个数组在一起输出后再换行】

$test2=join ":", @array;
print "$test2\n";

#!/usr/bin/perl -w
@name=qw(bio info planet);
@sorted=sort(@name);
print "@sorted\n"; # 结果返回 bio info planet
$num=10+@name;
print "$num\n"; # 结果返回13

#比如进行dna向蛋白质序列的转换
#!/usr/bin/perl -w
use strict;
open IN, "<dna.fa";
open OU, ">protein.fa";

#命令行运行 perl dna2pro.pl gene.fa pro.fa ref
# 其中dna2pro.pl是$0; gene.fa是命令行第一个参数，在perl语句中存储为$ARGV[0]; 以此类推，pro.fa是$ARGV[1]; ref是$ARGV[2]

#假设命名为test.pl
#!/usr/bin/perl -w
open IN, "<$ARGV[0]";
$first=<IN>; #<>是钻石符，表示既可以是输入可以是输出，就把IN放在数据流符号的中间
$second=<IN>;
$third=<IN>;
print "$first\n$second\n$third\n";

#!/usr/bin/perl -w

open IN,"@ARGV[0]"; 
open OU,"@ARGV[1]";

while (<IN>){
    chomp;
    print OU "$_\n" #每行读入的内容存储在了$_中
}
close IN; #close关闭文件句柄
close OU;

#!/usr/bin/perl -w

open IN,"zcat $ARGV[0] | "; #针对压缩格式的fq文件，也不需要预先解压缩
open OU,">$ARGV[1]";

while ($id=<IN>) { #这样就将第一行命名为了id
    chomp ($id); #对读进来的第一行去换行符
    chomp ($seq=<IN>); #对读进来的第二行（命名为序列行）去换行符
    <IN>;
    <IN>; #第三、四行用不着，所以不需要操作
    $id=~ tr /@/>/; # 替换第一行的@为>，使用tr函数
    print OU "$id\n";
    print OU "$seq\n";
}
close IN;
close OU;

#!/usr/bin/perl -w
use Data::Dumper; #这个模块可打印出哈希的数据结构
%hash=();#先定义一个空的哈希，一会向其中存入内容

open IN,"<$ARGV[0]"; #文件重定向输入
while (<IN>){ #一行一行读入该文件
    chomp; # 每一行例如wordA one 去掉结尾的换行符
    @line=split /\s+/,$_; #按照空格分隔，将两列存储在line数组中【$_是split的作用对象，也就是读入的每一行】
    $hash{$line[0]}=$line[1];#将第一列作为键，第二列作为值存储在之前的空哈希中。
} 
close IN;

print Dumper (\%hash); #print加Dumper模块，再引用哈希

# keys函数也常常用在对哈希的遍历过程中
#keys和value函数定义键和值，保存到数组并打印
@key=keys %hash;
@value=value %hash;

print "@key\n";
print "@value\n"
#返回的键值对还是一一对应的，但是键值对之间的顺序和原来列表不同

#如果将键用$存到标量而不是用@存到数组，那么返回的就是键的个数
#$key=keys %hash; 结果返回的就不是具体的键wordA-E，而是haxi的元素个数5

# 实际上foreach是用来对数组进行遍历的，这里的@tmp就是用keys对哈希进行遍历再排序得到的数组
@tmp=sort keys %hash;
foreach (@tmp){
	print"$_\n"
    print "$hash($_)\n;"
}

while (($key,$value)=each %hash){
    print "$key\n$value\n";
}

if (exists %hash{wordA}) {
    print "$hash{wordA}\n";
}

# 第一步：将gene id【第一个参数】存储到哈希中
#!/usr/bin/perl -w
use strict;
use Data::Dumper;
if (scalar @ARGV==0){ #添加帮助信息，如果ARGV这个命令行参数个数为0，即没有输入的id文件和基因序列文件
    die "Usage: This program is used to extract sequence by a gene id from a gene list 
    	perl $0 <id list> <fasta file>";
} #die函数终止程序，并打印返回信息；$0意思是程序的名字

my %hash=();
open IN,"<$ARGV[0]";
while (<IN>) {
    chomp;
    $hash{$_}=1;
}
close IN;
#print Dumper (\%hash);

# 第二步：读取基因序列文件【格式是每个id对应一条序列】
open FA,"<$ARGV[1]"; # 打开fasta格式序列文件
$/=">";<FA>; #根据fasta的格式，将分隔符$/定义为>，这样每次读入的数据就是一个字段，也就是一个完整的基因序列。包括了id和序列
while (<FA>) { # 每次读入一个分隔后的基因
    chomp;
    my id=(split /\n/$_,2)[0]; #将id与序列分开～利用换行符进行分隔，存为一个为定义标量。最后加上的数字2，意思是将标量分成两份，也就是id行和序列行。然后就可以根据基因id，即分隔后的[0]进行判断
    if (exists $hash{$id}){ #判断第一步生成的哈希中的值在id中是否存在
        print ">$_"; #因为原来gene id是带>的，但是$id中用$/=">"处理后就不带>,所以最后输出还需要加上>;另外输出的结果是$_,即id+序列
    } else {
        next; #一个一个判断，如果不存在就检查下一个
    }
    print "$id\n"
}
close FA;

#以打印生信星球信息为例
#!/usr/bin/perl -w
use strict; #代码中有不好的编码风格,那么提示编译失败

&print_planet; # &符号可以调用子程序【定义的和系统不冲突时可以省略&，冲突时必须加上&】
sub print_planet {
    print "Hello, bioinfoplanet\n";
}
&print_planet;
#这样结果就会输出两次"Hello, bioinfoplanet"

#!/usr/bin/perl -w
use strict;

sub sum {
    my $num1=shift @_; #定义第一个标量变量为@_中取出的第一的第一个元素
    my $num2=shift @_;
    my $total=$num1+$num2;
    return $total;
}

my $total=&sum (3,5);# &sum()括号中的标量会存储到@_这个数组变量中；括号中有几个参数，@_数组中就有几个元素
print "$total\n"

#!/usr/bin/perl -w
use strict;

open IN,"<$ARGV[0]"; #输入的第一个文件是基因id与序列对应的哈希文件
while <IN> {
    chomp;
    my ($id, $file)=split( /=/,$_)[0,1]; #哈希文件的格式是id=序列文件，因此用=分隔二者，存到$_,再将他的第一列赋给变量$id，第二列赋给变量$file
    my ($gene_num,$gene_len)=&gene_stat ($file) #定义基因数量、长度的变量，子程序是gene_stat,对上面得到的$file也就是序列文件进行操作
    print "$id\t$gene_num\t$gene_len\n";
}
close IN; #while循环是主体，其中包括了子程序

sub gene_stat { #开始定义子程序
    my $file=shift @_; #先定义几个变量:file就是刚才得到的数组变量@_中元素，定义基因数量、长度初始值为0
    my $gene_num=0;
    my $gene_len=0; 
    
    open FA,"$file"; #将读入的$file序列文件作为FA句柄
    while (<FA>){
        chomp;
        if (/^>/) { #判断读入的文件开头为>，则作为基因数目
            $gene_num+=1;
        } else {
            my $len=length ($_); #否则作为基因序列，统计长度，一会计算平均长度用
            $gene_len+=$len
        }
    }
    close FA;
    my $avg_len=$gene_len/$gene_num;
    return $gene_num, $avg_len;
}

#使用strict的例子：
#!/usr/bin/perl -w
use strict;

my $total;
my $num1=2;
my $num2=1;
$total=$num1+$num2;#这里的total因为之前定义过了，所以不用再使用$total
print "$total\n";

#来吧！请上手操作一下吧！
#打开你的Linux terminal，新建一个perl脚本

#!/usr/bin/perl -w
use strict;

print "Do you like bioinfoplanet?\n"
my $choice=<STDIN>;

if ($choice =~ /y e s/ixs) { #匹配的时候用 =~ 加模式/ / 
    print "Thanks, good job!\n"
} else {
    print "OK, we'll do better!\n"
}
# 介绍一下$choice =~ /y e s/ixs中的修饰符
# i忽略yes其中各个字母的大小写;
# x可以忽略模式中的空白【常常针对模式较长，都是点号、星号、字符集等，这样写在一起就看着很复杂，需要加空格隔开，但是运行程序的时候又想让他们连在一起，所以用x】
# s可以让点号匹配到换行符，这样即使 "Do you like bioinfoplanet?"这一句是分行显示的，也可以匹配成功
# m：多行匹配，跨行模式匹配
# g全局匹配

#!/usr/bin/perl -w
use strict;

open IN,"<$ARGV[]0";
while (<IN>) {
    chomp;
    if (/^CGG.*TTG$/i) { #^表示开头匹配，$表示结尾匹配
        print "$_\n";
    } else {
    	next;
    }
}
close IN;
#补充一个vim小技巧，利用d（删除）再结合^或$，可以表示删除光标到行首/尾

#比如这里有一个blast format0的结果，result1中想要数字部分，result2想要括号中的百分数部分
#!/usr/bin/perl -w
use strict;

my $result1="Score = 150 bits (308), Expect = 1e-34, Method: Compositional matrix adjust.";

if ($result1=~ m/Score\s*=\s*(\d+)\s*(?:bits|Bits)\s*\(\d+\)\,\s*Expect\s*=\s*(\S+),\.*/) { #匹配过程看起来很复杂，其实也就是一点点填充的过程，有空格就用\s*，有数字就用\d+，对于中间没有空格的整体如1e-34就直接使用\S+。就像这样把整个句子用元字符的方式重绘出来，方便大量统计
    print "$1\t$2\n"; #$1与$2就是捕获之前分组的变量
}
#得到的结果就是 150	1e-34

#按说每一个括号就是一个分组，而后面用$来捕获变量也是根据括号，那么比如(bits|Bits),我们只想让他用来分组，表示匹配bit或者Bits。但是这样有一个问题，后来引用的时候就会讲这一部分也输出；为了避免这个问题，就在左边括号后面加上?:表示这个整体就是一个分组，别把它当变量使用

my $result2="Identities = 131/468 (28%), Posotives = 217/468 (46%), Gaps = 46/468 (10%)";
if ($result2=~ m/(\S+)/g) {
    print "$result2\n";
}

#!/usr/bin/perl -w
use strict;

my $result1="Score = 150 bits (308), Expect = 1e-34, Method: Compositional matrix adjust.";
my $result2="Identities = 131/468 (28%), Posotives = 217/468 (46%), Gaps = 46/468 (10%)";

my @info1= ($result1=~ m/Score\s*=\s*(\d+)\s*(?:bits|Bits)\s*\(\d+\)\,\s*Expect\s*=\s*(\S+),\.*/);
print "@info1\n";
#直接将捕获的变量存储到列表中，即使没有匹配到，也只是会输出一个空列表
my %info2= ($result2=~ m/(S+)/g); #加上g意思是将全部符合条件的找出来
print "@info2\n";

#!/usr/bin/perl -w
use strict;
my $line="hello, bioinfoplanet";

$line=~ s/hello/nihao/;#结果就将hello变成了nihao
$line=~ s/^/Hi,/; #结果为Hi,nihao, bioinfoplanet
$line=~ s/$/hi/; #结果在结尾加上一个hi
$line=~ s/hello//g; #将全部hello替换为空，大规模替换要加上g
print "$line\n";

#!/usr/bin/perl -w
use strict;

my $seq="TTCGATGCTAGCATCGATCGCTAGCATCGCTAGCATCCCGATTGACTAATCAT";
my $qes=reverse $seq; 
print "$qes\n";#序列反转
$qes=~ tr/ATCGN/TAGCN/; # 序列碱基互补
print "$qes\n";

#结果1得到：TACTAATCAGTTAGCCCTACGATCGCTACGATCGCTAGCTACGATCGTAGCTT
#结果2得到：ATGATTAGTCAATCGGGATGCTAGCGATGCTAGCGATCGATGCTAGCATCGAA

#!/usr/bin/perl -w
use strict;

my $seq="TTCGATGCTAGCATCGATCGCTAGCATCGCTAGCATCCCGATTGACTAATCAT";
$seq =~ s/(\w+)/\L$1/g; #(\w+)是将所有字母分成一组，\L是小写[\U是大写],$1是捕获前面的分组【另外\u是更改首个字母大写；\l首字母变小写】
print "$seq\n";

#结果得到：ttcgatgctagcatcgatcgctagcatcgctagcatcccgattgactaatcat

#!/usr/bin/perl -w
use strict;

open FA,"<$ARGV[0]";
$/=">";
<FA>;
while (<FA>) {
    chomp;
    my ($id,$seq)=(split /\n/,$_,2)[0,1];
    $seq=~ s/\n//g;
    $seq=~ s/(\w{$ARGV[1]})/$1\n/g; #每x个字符作为一个$1,也就是前面选取的(\w{})得到的内容，注意\w后面是大括号而不是小括号
    print ">$id\n$seq"
}

#!/bin/bash/perl -w
use strict;

my $num=123456789.98;
1 while $num=~ s/^(-?\d+)(\d\d\d)/$1,$2/; #建立一个死循环，匹配模式：正或负(-?)数(\d+)，后面的\d\d\d是从后向前每三个数划分一次，每次循环的结果即每三个数字用逗号隔开
print "$num\n";

#结果就是123,456,789.98

#!/usr/bin/perl -w
use strict;

my $num=123456789.98;
my $result=&delimiter ($num);
print "$result\n";

sub delimiter {
    my $data=shift @_;
    1 while $data=~ s/^(-?\d+)(\d\d\d)/$1,$2/;
    return "$data\n"
}

#!/usr/bin/perl -w
use strict;

#先定义全局变量，也就是从赋值到输出结果一直有效的变量
my $total_len=0;
my $total_num=0;
my $total_gap=0;
my $total_gc=0;
my @len_array=(); #排序之后取出首尾元素，也就是最短和最长序列

print "ID\tGeneLength(bp)\tGapLength\tGCcontent(%)\n"; #添加表头
open IN,"<$ARGV[0]", or die "can not open this file$!\n";
$/=">";<IN>; # $/代表默认的输入记录的分隔符，默认为\n,这里指定为>
while (<IN>) {
    next if (/^\s+$/); # 如果行为空则不处理
    chomp; # 去除$/(也就是默认的\n)
    my ($id,$seq)=(split /\n/,$_,2)[0,1]; # 将id与seq行分开
    $seq=~ s/\n//g; #对seq行进行统计前，要把seq中的换行符去掉
    my $len=length ($seq);
    push @len_array,$len; #向数组最后一个位置存入
    $total_len+=$len;
    my $gc+=($seq =~ s/G/G/g + $seq =~ s/C/C/g); #通过全局替换获得G、C字符的个数
    my $GC=($gc/$len)*100; #gc含量等于G和C个数之和除以每条序列的长度
    my $gap+=($seq =~ s/N/N/g);
    $total_gap+=$gap #将计算的gap数加入全局变量中
    $total_gc+=$GC;
    print "$id\t$len\t$gap\t";
    printf "%.2f\n","$GC"; #格式化输出，让GC结果保留小数点后两位
    $total_num++; #代表一次循环结束
}

my $avg_len=($total_len/$total_num);
my $total_GC=($total_gc/$total_len)*100;
my @sort_len=sort {$a<=>$b} @len_array; #将数组中序列长度排序，方便下面输出最长最短序列

print "\nTotal Stat:\n";
print "Total Number {#}:$total_num\n";
print "Total Length (bp):$total_len\n";
print "Gap(N)(bp):$total_gap\n";
print "Average length(bp):%d\n", "$avg_len"；#整数输出
print "Minimum Length(bp):$sort_length[0]\n";
print "Maximum Length(bp):$sort_length[-1]\n";
printf "GC content(%):%.2f\n","$total_GC";