perl，读取所需文件的路径，然后打开相应的文件，并对文件中的DNA序列进行计数，substr函数对长字符串的片段化处理功能

以下是DNA序列，存储在window下F：\perl\data.txt里面：

AAAAAAAAAAAAAAGGGGGGGTTTTCCCCCCCC 
CCCCCGTCGTAGTAAAGTATGCAGTAGCVG 
CCCCCCCCCCGGGGGGGGAAAAAAAAAAAAAAATTTTTTAT 
AAACG 

下面是程序：

#下面的程序是用来计算一段DNA序列中ATGC的数量的

#首先定义四种碱基的数量为0
$count_A=0;
$count_T=0;
$count_C=0;
$count_G=0;
#首先要先把序列进行合并成一行

#先确定所要处理的文件的路径及文件名（在windows系统下面要按照这样的例子写
#f:\\perl\\data.txt
print "please input the Path just like this f:\\\\perl\\\\data.txt\n";
chomp($dna_filename=<STDIN>);
#打开文件
open(DNAFILENAME,$dna_filename)||die("can not open the file!");
#将文件赋予一个数组
@DNA=<DNAFILENAME>;

#以下两步要把所有的行合并成一行，然后去掉所有的空白符
$DNA=join('',@DNA);
$DNA=~s/\s//g;

#将DNA分解成，然后赋值到数组
@DNA=split('',$DNA);

#然后依次读取数组的元素，并对四种碱基的数量进行统计
foreach $base(@DNA)
{
	if ($base eq 'A')
	{
		$count_A=$count_A+1;
	}
	elsif ($base eq 'T')
	{
		$count_T=$count_T+1;
	}
	elsif ($base eq 'C')
	{
		$count_C=$count_C+1;
	}
	elsif ($base eq 'G')
	{
		$count_G=$count_G+1;
	}
	else
	{
		print "error\n"
	}
}
#输出最后的结果
print "A=$count_A\n";
print "T=$count_T\n";
print "C=$count_C\n";
print "G=$count_G\n";

	

下面是运行的结果：

F:\>perl\a.pl
please input the Path just like this f:\\perl\\data.txt
f:\\perl\\data.txt
error
A=40
T=17
C=27
G=24

F:\>

大家可能观察到有一个error的出现，这是为什么呢？

大家仔细看一看最上面的原始 DNA序列，用特殊颜色标记的，可以看到有一个V，所以会输出错误。

这里把DNA序列经过整合成一行，然后去除所有的空白字符以后，又把$DNA通过split函数变成了数组，然后进行统计，那有没有更好的办法呢？

其实perl里有一个函数，substr。

我们先来看一看这个函数的用法，substr是针对一个大字符串的操作符（The substr function works with only a part of a larger string )言外之意就是对一个很长的字符串，进行片段化处理，取其中的一部分。我们这里用到的就是这个特性。

$little_string =substr($large_string,$start_position,$length)

$小片段=substr（$大片段，$你要截取的小片段的起始位置，$你要截取的长度）

我们这里为了统计DNA中各种碱基的数量，所以要处理的字符串是一个碱基，所以我们要把$length设置为1。这样才能够满足我们的需求。

下面我们把修改过的代码写下：

#下面的程序是用来计算一段DNA序列中ATGC的数量的

#首先定义四种碱基的数量为0
$count_A=0;
$count_T=0;
$count_C=0;
$count_G=0;
#首先要先把序列进行合并成一行

#先确定所要处理的文件的路径及文件名（在windows系统下面要按照这样的例子写
#f:\\perl\\data.txt
print "please input the Path just like this f:\\\\perl\\\\data.txt\n";
chomp($dna_filename=<STDIN>);
#打开文件
open(DNAFILENAME,$dna_filename)||die("can not open the file!");
#将文件赋予一个数组
@DNA=<DNAFILENAME>;

#以下两步要把所有的行合并成一行，然后去掉所有的空白符
$DNA=join('',@DNA);
$DNA=~s/\s//g;


#然后依次读取字符串的元素，并对四种碱基的数量进行统计
for ($position=0;$position<length $DNA;++$position)
{
	$base=substr($DNA,$position,1);
	if ($base eq 'A')
	{
		$count_A=$count_A+1;
	}
	elsif ($base eq 'T')
	{
		$count_T=$count_T+1;
	}
	elsif ($base eq 'C')
	{
		$count_C=$count_C+1;
	}
	elsif ($base eq 'G')
	{
		$count_G=$count_G+1;
	}
	else
	{
		print "error\n"
	}
}
#输出最后的结果
print "A=$count_A\n";
print "T=$count_T\n";
print "C=$count_C\n";
print "G=$count_G\n";

	

得到的结果如下：

F:\>perl\a.pl
please input the Path just like this f:\\perl\\data.txt
f:\\perl\\data.txt
error
A=40
T=17
C=27
G=24

F:\>