如何将间隔列表转换为在这些间隔内组成的数字列表？

Question

我有一个像这样的大文件：

esup_255_3      transdecoder   7655    8192         
esup_6093_1     transdecoder   2732    2774        
esup_25727_1    transdecoder   1       60 
...  

3和4列代表数字的间隔。

我试图修改此文件以在间隔内包含数字列表，在不同的列中列出（在第5列中），如下所示：

esup_255_3      transdecoder    7655    8192    7655     
esup_255_3      transdecoder    7655    8192    7656
esup_255_3      transdecoder    7655    8192    7657 
esup_255_3      transdecoder    7655    8192     ...    
esup_255_3      transdecoder    7655    8192    8192    
esup_6093_1     transdecoder    2732    2774    2732     
esup_6093_1     transdecoder    2732    2774    2733     
esup_6093_1     transdecoder    2732    2774    ....     
esup_6093_1     transdecoder    2732    2774    2774     
... and so on...

我认为Perl可能对此有所帮助，但我对此非常新。我只精通Bash，在这里，我似乎找不到正确的方法来获得所需的东西。

Answer 1

这样的东西？

    perl -lne 'my ($line, $from, $to) = /^(.*\s(\d+)\s+(\d+)\s*)$/; print "$line\t$_" for $from..$to;' 

当我在您的片段上运行它时，它会打印出641行：

esup_255_3      transdecoder   7655    8192             7655
esup_255_3      transdecoder   7655    8192             7656
esup_255_3      transdecoder   7655    8192             7657
[...]
esup_255_3      transdecoder   7655    8192             8190
esup_255_3      transdecoder   7655    8192             8191
esup_255_3      transdecoder   7655    8192             8192
esup_6093_1     transdecoder   2732    2774         2732
esup_6093_1     transdecoder   2732    2774         2733
[...]
esup_6093_1     transdecoder   2732    2774         2773
esup_6093_1     transdecoder   2732    2774         2774
esup_25727_1    transdecoder   1       60   1
esup_25727_1    transdecoder   1       60   2
[...]
esup_25727_1    transdecoder   1       60   59
esup_25727_1    transdecoder   1       60   60

以下说明。让我们从选项开始：

perl -lne

我们将它们向左到左。 -e（对于“执行”或“评估”）只是告诉Perl，命令行上的下一件事是要运行的代码，因此它不会在标准输入中寻找代码。

-n告诉它，它会自动迭代其逐条输入行；它的作用好像有一个while（＆lt;＆gt;）{ ... }绕着实际代码包裹的循环。在循环的主体内部，当前行将在主题变量$ _中找到。

-l <​​/code>告诉它，将新线从输入中剥离，并自动将一个附加到打印的每个字符串中；这基本上将新线从图片中取出并简化了逻辑。

因此，该程序将逐条读取输入行，并运行以参数为-e的代码。让我们看一下该代码，该代码从以下语句开始：

my ($line, $from, $to) = /^(.*\s(\d+)\s+(\d+)\s*)$/;

正则表达式没有明确的字符串要匹配，因此它会自动与具有当前行的$ _匹配。它必须与整行匹配（因为在开始时具有^，最后$）。由于最外层的括号，也捕获了实际的行值，因此它将是比赛返回的第一项，该项目分配给了变量$ line。

该行的第一部分根本可以是任何东西（因为。*匹配所有内容），因此我们确实在研究字符串结束的方式而不是其启动方式。第一个项目是任何Whitespace字符（\ s），它可以确保我们不会错过以下任何数字。具体来说，我们正在寻找括号捕获的一个或多个数字（\ d+），以便该值也将由匹配项返回；这是第二个捕获，因此它进入了分配中的第二个变量， <代码> $。在这些数字之后，我们会寻找更多的空格（至少需要一个空格字符，但允许任何数字），然后是另一个数字序列。第二组数字再次被捕获并返回，因此在最后一个变量中结束，$ to。最后，我们允许最后一组数字，后面是任何数量的可选尾随空间。

因此，在阅读了第一行后，$ _ =“ esup_255_3 transdecoder 7655 8192”，匹配 +分配将设置$ line $ line 到整个字符串的副本，> $从到7655，以及$ to to 8192 。

然后我们来输出。这一行：

print "$line\t$_" for $from .. $to;

是编写此循环的较短方法：

foreach $_  ($from .. $to) {
   print "$line\t$_";
}

它意味着它循环从 $ 到$到的整个数字上，重复使用$ _作为循环控制变量（这就是为什么我们必须将当前行复制到$ line）。对于范围内的每个值，它打印出整行的副本，然后打印出一个选项卡和当前数字。