Perl哈希和正则表达式
问题描述:
我正在研究将句子拆分为单个单词的代码,然后使用散列键搜索单词以查找它们的存在。我的代码返回100%相同的条件,匹配后,我使用与匹配键相对应的值标记句子中的单词。问题是代码标签术语,但随机值不符合我的预期。此外,在某些情况下,术语和散列键相似但不是100%相同,我如何编写正则表达式来匹配我的术语和键。 注意:我已经将哈希键设置为它们的根形式。我提供了一些例子:如果句子中的术语是协同或反协同的,而我的哈希键是Synerg,那么我怎样才能将上述术语与Synerg相匹配。Perl哈希和正则表达式
我的代码如下:
open IN, "C:\\Users\\Desktop\\TM\\clean_cells.txt" or die "import file absent";
my %hash=();
use Tie::IxHash;
tie %hash => "Tie::IxHash";
while(<IN>)
{
chomp $_;
$line=lc $_;
@Organs=split/\t/, $line;
$hash{$Organs[0]}=$Organs[1];
}
$Sentence="Lymphoma is Lymph Heart and Lung";
@list=split/ /,$Sentence;
@array=();
foreach $term(@list)
{
chomp $term;
for $keys(keys %hash)
{
if($hash{$term})
{
$cell="<$hash{$keys}>$term<\/$hash{$keys}>";
push(@array, $cell);
}
elsif($term=~m/\b\Q$keys(\w+)\E\b/)
{
$cell="<$hash{$keys}>$term<\/$hash{$keys}>";
push(@array, $cell);
}
elsif($term=~m/\b\Q(\w+)$keys\E\b/)
{
$cell="<$hash{$keys}>$term<\/$hash{$keys}>";
push(@array, $cell);
}
elsif($term=~m/\b\Q(\w+)$keys(\w+)\E\b/)
{
$cell="<$hash{$keys}>$term<\/$hash{$keys}>";
push(@array, $cell);
}
}
}
print @array;
for example: hash looks like this: %hash={
TF1 => Lymph
Thoracic_duct => Lymph
SK-MEL-1 => Lymph
Brain => Brain
Cerebellum => Brain
};
So if the term TF1 is found it should be substituted to Lymph TF1 /Lymph
答
我发现,是防止工作的代码两个大问题:
- 你快把钥匙给您的散列小写,但你是不是做 相同的条款
$Sentence
。因此,来自$Sentence
的大写字将永远不匹配。 -
\Q...\E
修饰符禁用正则表达式元字符。虽然在插入变量时这样做通常很好,但不能在其中使用像(\w+)
这样的表达式 - 它将查找文字字符(\w+)
。那些正则表达式需要像这样重写:m/\b\Q$keys\E(\w+)\b/
。
还有其他的设计问题与您的代码,以及:
- 您使用所有的地方未声明的全局变量。您应该用
my
声明所有变量。始终打开use strict; use warnings;
,这会强制您正确执行此操作。 - 似乎没有任何理由
Tie::IxHash
,这会导致您的哈希被排序。您不要在代码中以任何方式使用此顺序。输出按@list
排序。我会放弃这个不必要的模块。 - 您的
if/elsif
陈述是多余的。if($term=~m/\b\Q(\w*)$keys(\w*)\E\b/)
将完成相同的事情,所有他们合并。请注意,我将\w+
替换为\w*
。这允许组之前和之后匹配零个或多个字符而不是一个或多个字符。
注:我没有打扰测试与Tie::IxHash
,因为我没有这样的模块,它似乎没有必要。有可能使用这个模块也会在代码中引入其他问题。