Foro - Perl en Español

por **alexclipse** » 2012-04-10 12:12 @550

«Desarrollar un programa que abra el archivo TEXTO1.rtf y cree uno nuevo de nombre pruebafin.txt, de tal forma que haga desaparecer todas las líneas que comiencen por “BASURA” y visualice el contenido por pantalla al mismo tiempo.»

El archivo TEXTO1.rtf contiene esto:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

ttcccatcaa gccctagggc tcctcgtggc tgctgggagt tgtagtctga acgcttctat

BASURA cttggcgaga agcgcctacg ctccccctac cgagtcccgc ggtaattctt aaagcacctg

caccgccccc ccgccgcctg cagagggcgc agcaggtctt gcacctcttc tgcatctcat

tctccaggct tcagacctgt ctccctcatt caaaaaatat ttattatcga gctcttactt

BASURA gctacccagc actgatatag gcactcagga atacaacaat gaataagata gtagaaaaat

tctatatcct cataaggctt acgtttccat gtactgaaag caatgaacaa ataaatctta

tcagagtgat aagggttgtg aaggagatta aataagatgg tgtgatataa agtatctggg

BASURA agaaaacgtt agggtgtgga tattacggaa agccttccta aaaaatgaca tttaactgat

tgggttccaa gggaacaggg tggColoreado en 0.000 segundos,  usando GeSHi 1.0.8.4

Para ir ensayando he hecho este programa:

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

$a = "texto1.rtf";
my ($b1,$b2,$b3,$b4,$b5,$b6,$b7,$b8,$b9);
open (FILEHANDLE, $a) || die "cannot open \"$infile\": $!";
$b1=<FILEHANDLE>;
print "$b1\n";
$b2=<FILEHANDLE>;
print "$b2\n";
$b3=<FILEHANDLE>;
print "$b3\n";
$b4=<FILEHANDLE>;
print "$b4\n";
$b5=<FILEHANDLE>;
print "$b5\n";
$b6=<FILEHANDLE>;
print "$b6\n";
$b7=<FILEHANDLE>;
print "$b7\n";
$b8=<FILEHANDLE>;
print "$b8\n";
$b9=<FILEHANDLE>;
print "$b9\n";
close (FILEHANDLE);
Coloreado en 0.002 segundos,  usando GeSHi 1.0.8.4

El problema es que al ejecutarlo solo me devuelve con print() esto:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

ttcccatcaa gccctagggc tcctcgtggc tgctgggagt tgtagtctga acgcttctat

BASURA cttggcgaga agcgcctacg ctccccctac cgagtcccgc ggtaattctt aaagcacctgColoreado en 0.000 segundos,  usando GeSHi 1.0.8.4

¿Por qué no me imprime todas las líneas? He probado con 12 variables por si fuesen 12 líneas el programa pero tampoco me lo imprime todo.

#!/usr/bin/env perl
use strict;
use warnings;
use diagnostics;
 
open my $FILE, '<', 'TEXTO1.rtf'
  or die "ERROR: no pude abrir el archivo: $!\n";
 
my @archivo = <$FILE>;                            # Leemos todas las líneas
 
close $FILE;
 
for my $linea (@archivo) {                        # Para cada $linea del @archivo
    print $linea;                                 # La sacamos en pantalla
}
Coloreado en 0.001 segundos,  usando GeSHi 1.0.8.4

por **pedro19** » 2012-04-10 18:39 @819

¡Hola a todos!

Soy nuevo por aquí, he leído este tema porque mi desesperación me llevó a poner el mismo ejercicio en el buscador de Google.

He probado todas las formas que se me han ocurrido para poder solucionar el mismo, sin éxito.

El fichero "TEXTO1.rtf" incluye una serie de cadenas en unas 9 líneas y algunas de ellas aparecen introducidas por la palabra "BASURA".

He conseguido abrir el nuevo fichero "pruebafin.txt" e introducir aquí lo que contenía el fichero origen "TEXTO1.rtf". Sin embargo no sólo pasan al nuevo las cadenas, sino una gran cantidad de símbolos, letras y números que ocupan unas 160 líneas en mi nuevo documento.

Aparte de este problema (que no sé si realmente es un error o debería ser así) no consigo establecer una relación entre el nuevo fichero y la línea en la que aparece "BASURA" para que sea eliminada usando la expresión regular =~

Ahí va uno de mis decenas de intentos:

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

my ($archivo1, $archivo2, $linea);
my $archivo1 = "TEXTO1.rtf";
my $archivo2 = "pruebafin.txt";
 
 
open (FUENTE, $archivo1) or die "no puedo abrir el fichero \"$archivo1\": $!";
open (RESULTADO, ">$archivo2") or die "no puedo abrir el fichero \"$archivo2\": $!";
 
while ($linea = <FUENTE>)
{
if (($archivo2 =~ /BASURA/))
        {
        $archivo2 -= $linea[/basura/];
        print RESULTADO "$archivo2";
        }
else  {                       
    print RESULTADO "$linea";                              
}
}
 
 
close (FUENTE);
close (RESULTADO);
 
Coloreado en 0.001 segundos,  usando GeSHi 1.0.8.4

Gracias de antemano al que se moleste en atenderme, pero lo agradecería muchísimo y me salvaría de un apuro.
¡¡Un saludo!!

por **explorer** » 2012-04-10 19:13 @842

Bienvenido a los foros de Perl en Español, pedro19.

Analicemos tu programa:

Sintáxis: [ Descargar ] [ Ocultar ]

Using perl Syntax Highlighting

my ( $archivo1, $archivo2, $linea );              # declaras tres variables. Bien
my $archivo1 = "TEXTO1.rtf";                      # declaras $archivo1 como... un momento... ¿no estaba declarada antes?
my $archivo2 = "pruebafin.txt";                   # ¡ag! ¡Vuelves a declarar $archivo2!
 
                                                  # Abrimos los archivos. Bien
open( FUENTE,    $archivo1 )    or die "no puedo abrir el fichero \"$archivo1\": $!";
open( RESULTADO, ">$archivo2" ) or die "no puedo abrir el fichero \"$archivo2\": $!";
 
while ( $linea = <FUENTE> ) {                     # Para cada $linea de FUENTE...
    if ( ( $archivo2 =~ /BASURA/ ) ) {            # Buscamos BASURA en el contenido de $archivo2
                                                  # Un momento... pero si $archivo2 solo contiene "pruebafin.txt"
                                                  # ¡FALLO! Además, te sobran un par de paréntesis
 
        $archivo2 -= $linea[/basura/];            # Glorioso... no sabemos lo que quieres hacer aquí ;)
                                                  # Perl ve que quieres "restar" de $archivo2 el valor correspondiente
                                                  # al índice /basura/ (que es una expresión regular)
                                                  # del array @linea, que no ha sido definido en ninguna parte
                                                  # Si tuvieras el "use warnings" activado, habría saltado el
                                                  # ordenador en varios cachos
        print RESULTADO "$archivo2";              # ¿¿¿Imprimes "pruebafin.txt" en sí mismo???
    }
    else {
        print RESULTADO "$linea";                 # Aquí sobran las comillas, pero vale
    }
}
 
close(FUENTE);                                    # Cerramos los archivos. Bien.
close(RESULTADO);
Coloreado en 0.002 segundos,  usando GeSHi 1.0.8.4

Aquí hay varios problemas...

No estás aplicando la expresión regular a la $linea, sino al $archivo2
Has intentando decirle a Perl que "saque" esa línea del archivo. Dicho así, yo sí te entiendo, pero Perl, no. Hay que decírselo de otra manera. Mejor dicho, la introducción del ejercicio ya te da una pista: Debes leer un archivo, obviar las líneas que tienen BASURA, y las que no, sacarlas al archivo de salida. Eso es usar un if(), que ya lo tienes. Te falta qué hacer en cada caso. O no hacer ;)

¡Animo! Tienes todos los elementos escritos. Solo tienes que cambiar un par de cosas y quitar una docena, y lo tendrás hecho.

En este mismo foro de Bioinformática tienes docenas de ejemplos que hacen eso mismo.

por **explorer** » 2012-04-10 19:24 @850

A los dos, alexclipse y pedro19.

El archivo de partida se llama "texto1.rtf".

La extensión 'rtf' corresponde a los archivos Rich Text Format.

Eso quiere decir, que a lo mejor el contenido del archivo no es texto, sino que está codificado en RTF.

Si abrís el archivo en un editor de textos sencillo (por ejemplo el Bloc de Notas, si estáis en Windows), ¿qué sale?

por **pedro19** » 2012-04-11 05:55 @288

Literalmente sale lo mismo que en el nuevo archivo que creé.

Ahora estaba intentando solucionar el problema de eliminar las líneas que contengan la palabra "BASURA", para después ponerme a eliminar el resto de líneas que no me interesan...

por **pedro19** » 2012-04-11 06:20 @305

Conseguí de una vez por todas eliminar las líneas con "BASURA".

Ahora debo eliminar el resto de líneas con esa retaíla de letras, signos y números.

Había pensado en marcar la primera secuencia y la última, de modo que sólo me imprima el fragmento que necesito, el problema es que estos caracteres también aparecen entrelazados entre las secuencias de bases... y además no sé muy bien donde introducir este if(), ni cómo decirle exactamente a Perl para que lo imprima en el nuevo archivo además de en la pantalla.

Gracias por la ayuda,explorer, ¡poco a poco!

por **explorer** » 2012-04-11 06:34 @315

El asunto es bastante más complejo de lo que parece.

El archivo, efectivamente, está en formato RTF. Todos esos códigos que ves demás corresponden a los estilos, fuentes de letras, y disposición del texto.

No es tan sencillo como abrir un archivo de texto y sacar las líneas que contienen la palabra BASURA... Antes tienes que distinguir qué es código RTF de lo que no es.

Por ejemplo, en la línea 49 del archivo aparece esto:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

\par \hich\af5\dbch\af31505\loch\f5 tctccaggct tcagacctgt ctccctcatt caaaaaa\hich\af5\dbch\af31505\loch\f5 tat ttattatcga gctcttactt
Coloreado en 0.000 segundos,  usando GeSHi 1.0.8.4

Observa que se trata de parte de la secuencia genómica. Por delante está el código RTF de inicio de párrafo (\par) seguido del estilo a aplicar a ese párrafo. Más o menos, eso se puede quitar fácil. Pero además, fíjate que en medio de la secuencia genómica también aparece un cambio de estilo (\hich\af5\dbch\af31505\loch\f5 ), para el resto del párrafo.

El ejercicio dice que hay que sacar las líneas BASURA de dentro del archivo. En teoría, quiere decir que, si el archivo está en formato RTF, así debe quedar, por lo que no tendríamos que hacer nada más que filtrar los párrafos que contienen BASURA. El resultado seguirá siendo RTF.

Pero hay un problema mayor... la primera línea donde está la secuencia genómica es así:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

\fs22\lang3082\langfe3082\loch\af31506\hich\af31506\dbch\af31505\cgrid\langnp3082\langfenp3082 {\rtlch\fcs1 \af5\afs24 \ltrch\fcs0 \f5\fs24\insrsid798411 \hich\af5\dbch\af31505\loch\f5 ttcccatcaa gccctagggc tcctcgtggc tgctgggagt tgtagtctga acgcttctat
Coloreado en 0.000 segundos,  usando GeSHi 1.0.8.4

que no sigue el formato de las anteriores... Si la palabra BASURA apareciese ahí, y sacáramos toda la línea del archivo, tendríamos un problema grave de formato.

Entonces... necesitamos más pistas de lo que hay que hacer.

¿Cuál debe ser el resultado?
¿Un archivo de texto que solo contenga la secuencia genómica o un archivo que mantenega el formato RTF?

por **pedro19** » 2012-04-11 07:09 @340

Le he enviado un mensaje al profesor... Comunicaré la respuesta

El enunciado era este: "Desarrollar un programa que abra el archivo TEXTO1.rtf (disponéis de él en esta misma ubicación) y cree uno nuevo de nombre pruebafin.txt, de tal forma que haga desaparecer todas las líneas que comiencen por “BASURA” y visualice el contenido por pantalla al mismo tiempo."

A primera vista parece que no quiere que eliminemos la codificación ".rtf".

por **pedro19** » 2012-04-11 07:14 @343

Ya recibí la respuesta.

Debemos editar manualmente el documento de partida "TEXTO1.rtf" de forma que lo convirtamos en "texto plano o limpio", y así mediante el programa generemos también uno nuevo ("pruebafin.txt") que también contenga "texto plano o limpio".

Ahora: ¿Cómo edito el documento de partida para convertirlo en "texto plano"?

Foro - Perl en Español

Extraer líneas

Extraer líneas

Publicidad

Re: Extraer líneas

Re: Extraer líneas

Re: Extraer líneas

Re: Extraer líneas

Re: Extraer líneas

Re: Extraer líneas

Re: Extraer líneas

Re: Extraer líneas

Re: Extraer líneas

¿Quién está conectado?