Discussion :

[pontarose]

Bonjour,

j'ai un souci de parsage


Voiçi le type de fichier que j'ai (séparation par tabulation)
essai1 gene transcript 2048 2134 S00000002001
essai1 gene seq 2048 2049 S00000002001
essai1 gene seq 2056 2065 S00000002001
essai1 gene seq 2103 2134 S00000002001

J'aimerais avoir au final (7 champs)

S00000002001 essai 2048 2134 3 2048,2056,2103 2049,2065,2134

champ 5 indique le nombre de ligne pour lequel on a seq (en champ3)
champ6 indique position initiales correspondant séparé par des virgules
champ6 indique position finales correspondant séparé par des virgules


Mon problème est au niveau de l'obtention du champ 7. En effet,
j'obtiens 2134,2049,2065,2134 et je n'arrive pas à voir ou se situe ma faute.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
 
my @tab=();
my $nb=0;
my $nb_cds=0;
my $debut;
my $fin;
 
while( my $ligne=<ALL>){
    if($ligne =~ /(.+)\tgene\ttranscript\t([0-9]+)\t([0-9]+)\t(.+)$/){
	$nb++;
	$tab[$nb][1]=$6;
	$tab[$nb][2]=$1;
	$tab[$nb][3]=$2;
	$tab[$nb][4]=$3;
 
	$debut=$2;
 
	$fin=$3;
	$nb_cds=0;
    }
    elsif($ligne =~ /(.+)\tfgenesh\tseq\t([0-9]+)\t([0-9]+)\t(.+)$/){
	$nb_cds++;
 
	$tab[$nb][5]=$nb_cds;
 
	if($debut eq $2){ 
	    $debut=$2;
	    $tab[$nb][6]=$debut;
	} 
	else{
	    $debut=$debut .",".$2; 
	    $tab[$nb][6]=$debut;
	}
	if($fin eq $3){ 
	    $fin=$3;
	    $tab[$nb][7]=$fin;
	} 
	else{
	    $fin=$fin .",".$3; 
	    $tab[$nb][7]=$fin;
	}
}
 
for(my $i=1; $i<=$nb; $i++){
  print("$tab[$i][1]\t$tab[$i][2]\t$tab[$i][3]\t$tab[$i][4]\t$tab[$i][5]\t$tab[$i][4]\t$tab[$i][5]\t$tab[$i][6]\t$tab[$i][7]\n");
}
print("\n\n\n");

Pourrait-on m'aider, svp
merci

[pontarose]

Bonjour,

Une autre question qui pourrait m'aider:

Soit un tableau, comment supprimer le premier élement de celui-ci (il s'agit d'un tableau de chiffre et non de caractère!)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
for(my $j=1; $j<=$nombre; $j++){
    print("$tableau[$j][1]\n"); // m'affiche 2134,2049,2065,2134
}

j'ai ceci:
2134,2049,2065,2134
et je voudrais ceci:
2049,2065,2134

merci par avance

[Beniou]

Bonjour,

Pas facile à exploiter ton code :
- fautes dans la regex suivante (un f et un h qui se balade) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
(.+)\tfgenesh\tseq\t([0-9]+)\t([0-9]+)\t(.+)$/ :

- boucle while non fermée
- variable $6 à la place de $4 dans ton premier if
- print qui affiche des valeurs plusieurs fois etc.

Mais bon en corrigeant ton deuxième if tu peux obtenir ce que tu veux. Le problème était que la variable fin qui prend une valeur dans ta première boucle (donc ligne contenant transcript), tu la concaténais dans ta deuxième avec ton else :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
else{
	    $fin=$fin .",".$3; 
	    $tab[$nb][7]=$fin;
	}

d'où ton 2134 en trop.

Voici ton code un peu corrigé où je teste juste dans le deuxième if si la valeur du tableau existe, auquel cas je concatène avec une virgule, sinon on met la valeur tout de suite. Il n'y a donc pas de vérification de début et de fin... A toi de voir si cela est important ou non :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
 
my @tab=();
my $nb=0;
my $nb_cds=0;
my $debut;
my $fin;
 
while( my $ligne=<ALL>){
  chomp($ligne);
  if($ligne =~ /(.+)\tgene\ttranscript\t([0-9]+)\t([0-9]+)\t(.+)/){
    $nb++;
    $tab[$nb][1]=$4;
    $tab[$nb][2]=$1;
    $tab[$nb][3]=$2;
    $tab[$nb][4]=$3;
 
    $debut=$2;
    $fin=$3;
    $nb_cds=0;
  }
  elsif($ligne =~ /(.+)\tgene\tseq\t([0-9]+)\t([0-9]+)\t(.+)$/){
    $nb_cds++;
 
    $tab[$nb][5]=$nb_cds;
 
    if($tab[$nb][6]){
      $tab[$nb][6] .= ",$2";
    }
    else{
      $tab[$nb][6] .= "$2";
    }
    if($tab[$nb][7]){
      $tab[$nb][7] .= ",$3";
    }
    else{
      $tab[$nb][7] = $3;
    }
 
  }
}
close(ALL);
 
 
for(my $i=1; $i<=$nb; $i++){
  print("$tab[$i][1]\t$tab[$i][2]\t$tab[$i][3]\t$tab[$i][4]\t$tab[$i][5]\t$tab[$i][6]\t$tab[$i][7]\n");
}
 
print("\n\n\n");

Mais que donne ton code sur un fichier contenant plusieurs lignes ... ?

Pour finir, je dirais que tu devrais plus utiliser des fonctions comme push pour remplir des tableaux (en perl le premier indice d'un tableau est 0 et non 1), utiliser des hash pour conserver tes infos surtout si tu dois matcher des lignes entre elles suivant une clé (par exemple ton S00000002001 ou ton essai1) etc. ce qui amenrait de la robustesse dans ton code et de la lisibilité ...

[pontarose]

Bonjour,

Merci Beniou. j'ai dû mal avec les hash...
le code fonctionne avec plusieurs ligne