Perl编程

一、Perl编程优势
1.强大的文本处理能力；
2.快速上手；
3.借鉴其它语言优点；
4.大量的公共模块资源。
二、文件操作&变量的概念
1.第一个perl程序的编写

vim 1.hello.pl

2.完整的程序格式

#!/usr/bin/perl -w use strict
#An example of Perl print "Hello World\n"

/usr/bin/perl 代表的是perl在程序当中的安装路径
-w use strict代表的是提示错误信息
#开头没有！代表的是注释说明作用，不是代码。
3.文件2.readFile.pl的具体操作
(1).test.fa中的文件信息

>t00001 953571
TGTATAGTT
>t00002 781632
TAGCTTATCAGACTGATGTT
>t00003 657683
ACTCGACGCGATATACGTG

(2).具体的函数

#!/usr/bin/perl -w use strict
#Read files
my $file="test.fa";
open(FH,$file) or die $!;
while(<FH>){
        print $_;
}
close FH;

3.常见的变量赋值

三、文件处理
1.文件信息处理一

#!/usr/bin/perl -w use strict
#Read files
my $file="test.fa";
open(FH,$file) or die $!;
while(<FH>){
 		#当读取到某行，匹配行首(^)有">"时,  则跳过这一行不读。 
        if($_=~/^>/) {next;} 
        print $_;
}
close FH;

文件程序的运行结果

[e-mail]:~$ vim 3.readSeq.pl 
[e-mail]:~$ perl 3.readSeq.pl 
TGTATAGTT
TAGCTTATCAGACTGATGTT
ACTCGACGCGATATACGTG

设计的知识点
正则表达式
正则表达式是在标准格式下，计算机能够匹配的一种模式。
符号： =~//（//内是匹配的内容） =~表示匹配

2.文件信息处理二
(1).统计GC含量

#!/usr/bin/perl -w use strict
#Read files
my $file="test.fa";
open(FH,$file) or die $!;
my $G_num=0;
my $C_num=0;
my $bases=0;
while(<FH>){
        if($_=~/^>/) {next;}
        #分别计算文件每一行中碱基G,C,以及所有碱基的数目。
        if(/C/) {$C_num+=1;}
        if(/G/) {$G_num+=1;}
        #length($_)，计算当前行的长度，这里即每一行的碱基数目。
        $bases+=length($_);
}
close FH;
my $GC=($G_num+$C_num)/$bases;
#printf是直接打印双引号中的所有内容
#sprintf则是对于变量进行格式化转变。
$GC=sprintf"%0.2f",$GC;  #保留计算结果小数位后两位。
printf "GC content is:$GC\n";

程序运行结果为：

(2).统计每一行基因序列的长度

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

my $file="test.fa";
my %hash;
my $id=0;
open(FH,$file) or die $!;
while(<FH>){
        chomp;#代表将每一行后的换行符去掉 
        if($_=~/^>/) {next;}
        #将行的ID和序列长度一一对应存在哈希表%hash
        $hash{$id}=length($_);
        $id++;
}
close FH;
foreach my $k(sort keys %hash){
		#按照ID(sort keys),输出hash。
        print $k,"\t",$hash{$k},"\n";
}

代码结果：

涉及的知识点：

#!/usr/bin/perl -w 
use strict;
#Hash example.
#定义hash时，采用的()切记！
my %hash=(
        "Alice"=>100,
        "Bill"=>99,
        "Cindy"=>79
);
#同数组类似，用foreach循环对hash来读取每个元素。
#keys hash代表的是hash中所有key的集合，每次循环赋值给$k.
foreach my $k(sort keys %hash){
        print $k,"\t","$hash{$k}","\n";
}
#读取hash中Alice对应的value值100,表示为$hash{"Alice"}.
print "\nAlice's score is:",$hash{"Alice"},"\n";

程序的运行结果：

(3).代码操作的文件从命令行输入

#!/usr/bin/perl -w use strict
#Read files
my $file=shift;
open(FH,$file) or die $!;
while(<FH>){
chomp;
        my @a=split(/\s+/,$_);
        if($a[14]<0.5){
                print $a[0],"\t",$a[2],"\t",$a[5],"\t",$a[14],"\n";
        }
}
close FH;

输入文件为SOAPsnp.out

涉及的知识点:
数组是可以存储多个变量元素(包括字符串、数组)，以@为标示符。

数组表示方法：
@bases=("A","C","G","T")         @bases=qw(A C G T)
@numbers=(1,2,3,4,5,6,7,8,9)     @numbers=(1..10)

数组元素表示:
$base[0]="A"

三、Perl中 调用其它软件
1.比对、基因分析、功能注释
2.使用perl调用其它软件的意义

数据过滤、比对、富集分析、突变检测分析这几个模块，如果要组成一个pipeline一个流程，则需要使用perl将相关的脚本、软件(bwa、soapSNP、GTAK、Samtools)连接起来。
具有如下功能：连接各个模块的功能形成一个pipeline流程，处理这些通用的软件(bwa、soapSNP、GTAK、Samtools)，得到下一步的结果。
补充知识点：在linux下运行R
(1).R的代码

#! /usr/lib/R/bin/Rscript --vanilla
c<-scan("5.lengthDist.out")
hist(c)

#options：默认–restore – save --no-readline；–help 查看帮助信息；–version 查看R版本；–slave只打印R脚本的输出，而不显示脚本具体执行情况；–no-timing 去除输出文档结束的运行时间输出。
(2).终端赋予执行权限
$ chmod +x test.r
(3).终端执行脚本
Rscript test.r
如果需要后台挂起可以使用nohup命令
nohup Rscript ./test.r &

在perl下运行R
代码为：

#!/usr/bin/perl -w 
use strict;
system("R <test.R --vanilla");