如何用Perl匹配连续双换行符并提取结果表格末尾数据

问题分析 #

你的代码存在几个关键问题导致正则匹配失败：

• 换行符被移除：你用chomp读取每行数据，这会把每行末尾的换行符（包括\r\n）去掉，正则里的\r\n\r\n根本无法匹配到任何内容。
• 逐行处理无法跨行匹配：原思路是通过表格后的连续两个换行定位，但逐行遍历的方式无法捕捉跨行的模式。
• 语法错误：多处if语句缺失大括号、OUT文件句柄未打开、文件关闭位置错误等，这些都会导致代码运行异常。

修正后的代码 #

#!/usr/bin/perl -w
use strict;
use Getopt::Long;

my ($path);
GetOptions(
    'path=s' => \$path,
);

chdir $path or die "ERROR: Unable to enter $path: $!\n";

# 打开输出文件
open(my $out_fh, '>', 'assembly_results.tsv') or die "ERROR: Unable to create output file: $!\n";
# 打印表头
print $out_fh "sample\tAssembly\tMapping\n";

opendir(my $temp_dir, ".") or die "ERROR: Unable to open directory: $!\n";
my @files = readdir($temp_dir);
closedir($temp_dir);

for my $file (@files) {
    next unless $file =~ /(\w+)_LRassembly.unicycler.log/;
    my $sample = $1;
    my ($mAssize, $qualAssize);

    open(my $in_fh, '<', $file) or die "ERROR: Unable to open $file: $!\n";
    # 读取整个文件为单个字符串，保留换行符
    local $/;
    my $content = <$in_fh>;
    close($in_fh);

    # 匹配表格最后一行的数值，后面跟着连续两个换行（兼容不同换行格式）
    if ($content =~ /(\d{1,3}(?:,\d{3})+)\s+(\d{1,3}(?:,\d{3})+\.\d+)\s*\n\s*\n/) {
        $mAssize = $1;
        $qualAssize = $2;
        print "Matched $sample: $mAssize | $qualAssize\n";
    } else {
        warn "WARNING: No matching data found in $file\n";
        $mAssize = 'N/A';
        $qualAssize = 'N/A';
    }

    print $out_fh "$sample\t$mAssize\t$qualAssize\n";
}

close($out_fh);

修改说明 #

1. 读取整个文件内容：使用local $/取消输入记录分隔符，把整个文件读成一个字符串，这样就能匹配跨行的连续换行模式。
2. 优化正则表达式：
   • 用\d{1,3}(?:,\d{3})+更精准匹配带逗号分隔的整数（比如1,712,611）
   • 用\s*\n\s*\n匹配连续两个换行，兼容可能存在的空白字符
3. 修复语法问题：
   • 补全所有if语句的大括号
   • 使用词法文件句柄（$in_fh、$out_fh）替代旧式裸句柄，更安全
   • 提前打开输出文件并打印表头，确保输出格式正确
   • 处理未匹配到数据的情况，避免输出空值

验证结果 #

运行修正后的代码，会生成assembly_results.tsv文件，内容格式符合你的预期：

内容的提问来源于stack exchange，提问作者JLLavin