Discussion :

[pontarose]

bonjour,

* Cela fait un moment que je bloque sur une expression régulière:
fichier départ:
bt4ctg_0001 blastx match 1153 3455 1e-132 + ID=19588;target=FG10596.1+15+877;target_description=Fg hypothetical protein

fichier résultat:
QUERY=bt4ctg_0001
HIT=FG10596.1
HIT_MATCH_LENGTH=863

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
open(SEQ,"< test.fa")or die("Impossible de lire dans le fichier final $!");
 
while ( my $seq = <SEQ> ) {
    if (my $seq =~ /^bt4ctg_0001\tblastx\tmatch\t([0-9]+)\t([0-9]+)\t(.+)\t(.+)\tID=(.+);target=(.+)+([0-9]+)+([0-9]+);target_description=(.+)$/){
 	my $hit_match_length=$9-$8+1;
	print( "QUERY=$1\nHIT=$7\nHIT_MATCH_LENGTH=$hit_match_length\n");
 
    }
}
close(SEQ);

Si vous pouvez m'aider; merci

[Philou67430]

Quand tu as un problème de ce style, essaye toujours de réduire ton expression régulière jusqu'à ce qu'elle n'échoue plus. Tu peux alors identifier d'après la dernière suppression, ce qui a posé problème.
Dans ton cas particulier ici présent, pourquoi ne pas commencer par découper la ligne en éléments de tableaux séparés par une tabulation :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

my ($QUERY, @infos) = split /\t/, $seq;

Puis à appliquer des expressions régulières plus simples sur chacun des éléments du tableau @infos qui te sont utiles ?

[eyquem]

Bonjour,



Il y a plusieurs choses qui ne vont pas dans ta RE:





([0-9]+)\t([0-9]+)\t(.+)\t(.+)\tID=(.+)
il y a trop de groupes définis avant ID=(.+)
il y a 3 nombres avant ID=(.+) , et non pas 4





\t ne signifie pas “blanc“ , mais tabulation
S’il n’y a pas de tabulation dans ta chaîne explorée, et d’après ce que tu postes il n’y en a pas, la présence de \t dans la RE suffit à faire foirer le matching





tu as oublié les parenthèses autour du nom qui doit se retrouver dans QUERY






target=(.+)+([0-9]+)+([0-9]+)
est faux parce que + est un métacaractère
Il faut écrire
target=(.+)\+([0-9]+)\+([0-9]+)





Je pense que ceci devrait aller:


/^(\w+) [^ ]+ match (\d+) (\d+) ([-+\d.e]+) \+ ID=([^;]+);target=([^+]+)\+(\d+)\+(\d+);target_description=(.+)$/

En Python, ça me sort
('bt4ctg_0001', '1153', '3455', '1e-132', '19588', 'FG10596.1', '15', '877', 'Fg hypothetical protein')

Si tu n’a pas besoin de tous les groupes, ceci marche aussi:

/^(\w+) [^ ]+ match [^;]+;target=([^+]+)\+(\d+)\+(\d+);target_description=(.+)$/

('bt4ctg_0001', 'FG10596.1', '15', '877', 'Fg hypothetical protein')