Foro - Perl en Español

por **pubafra** » 2015-09-28 01:00 @083

Hola, comunidad de perlenespanol. Necesito de su ayuda para resolver un pequeño problemita.

Espero explicarme bien y que puedan entender así como lo describo.

Les platico: Tengo la siguiente lista (inventado para ejemplificar):

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

AAAA

TTTT

GGGG

CCCCColoreado en 0.000 segundos,  usando GeSHi 1.0.8.4

son las secuencias que quiero buscar en una biblioteca, esta (inventada para ejemplificar):

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

XXXXXXXXX

NNNNNXXXX

TTTTXXXXX

NNNNXXXXX

GGGGXXXXX

XXXXXXXXX

AAAAXXXXX

TTTTXXXXX

CCCCXXXXX

AAAAXXXXX

AAAAXXXXX

TTTTXXXXX

AAAAXXXXX

CCCCXXXXXColoreado en 0.000 segundos,  usando GeSHi 1.0.8.4

usando un script que explorer me ayudó a hacer puedo obtener lo siguiente:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

AAAA    4 #la primer palabra de lista aparece 4 veces en biblioteca

TTTT    3 #la segunda palabra de lista aparece 3 veces en biblioteca

GGGG    1 #la tercer palabra de lista aparece 1 veces en biblioteca

CCCC    2 #la cuarta palabra de lista aparece 2 veces en bibliotecaColoreado en 0.000 segundos,  usando GeSHi 1.0.8.4

lo que yo quiero hacer es obtener las secuencias de la biblioteca que no tuvieron coincidencia con la lista.

Para este ejemplo sería un resultado como este:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

XXXXXXXXX

NNNNNXXXX

NNNNXXXXX

XXXXXXXXXColoreado en 0.000 segundos,  usando GeSHi 1.0.8.4

He intentado varias opciones logrando obtener solo las secuencias que coinciden:

Sintáxis: [ Descargar ] [ Ocultar ]

Using text Syntax Highlighting

TTTTXXXXX

GGGGXXXXX

AAAAXXXXX

TTTTXXXXX

CCCCXXXXX

AAAAXXXXX

AAAAXXXXX

TTTTXXXXX

AAAAXXXXX

CCCCXXXXXColoreado en 0.000 segundos,  usando GeSHi 1.0.8.4

pero estoy interesado en ambos resultados (las secuencias de la biblioteca que coinciden y las que no coinciden).

Espero de su ayuda u orientación con soluciones similares o funciones que puedan ayudar a resolverlo. Gracias y saludos.

#!/usr/bin/env perl
use v5.14;
use autodie;
 
# Leemos las secuencias
open my $SECUENCIAS, '<', 'secuencias.txt';
my @secuencias = <$SECUENCIAS>;
chomp @secuencias;
close $SECUENCIAS;
 
# Construimos la exp. reg.
my $regex = join '|', @secuencias;
$regex = qr/($regex)/;
 
# Recorrer el archivo de bibliotecas
my %contador;
my @no_coincide;
open my $BIBLIOTECA, '<', 'bibliotecas.txt';
while (my $linea = <$BIBLIOTECA>) {
    chomp $linea;
 
    my $ha_coincidido;
    while($linea =~ /$regex/g) {
        $contador{$1}++;
        pos($linea) = $-[0] +1;         # apuntamos a la posición inicial, siguiente, de la última coincidencia
        $ha_coincidido = 1;
    }
 
    if (not $ha_coincidido) {
        push @no_coincide, $linea;
    }
}
close $BIBLIOTECA;
 
# Mostrar resultados
open my $SALIDA,     '>', 'resultado.txt';
while (my($secuencia,$veces) = each %contador) {
    say $SALIDA "$secuencia $veces";
}
close $SALIDA;
 
open my $SALIDA_NO,  '>', 'resultado_no.txt';
for my $no_coincide (@no_coincide) {
    say $SALIDA_NO $no_coincide;
}
close $SALIDA_NO;
Coloreado en 0.004 segundos,  usando GeSHi 1.0.8.4

Con el uso de la bandera $ha_coincidido se puede saber si la secuencia ha coincidido o no, por lo que podemos guardarla en el array @no_coincide, que sacaremos al final.

por **pubafra** » 2015-10-02 21:17 @928

explorer: de nuevo muchas gracias. Una disculpa por no haber agradecido antes.

Agregar la excepción estuvo muy bien, probé el script con una lista de 350 secuencias a buscar en una biblioteca que tiene 65533 secuencias.

El resultado debería esperar por supuesto:
archivo coincidencia ## (las secuencias que coinciden con las secuencias de la lista),
archivo no coincidencia ## (las secuencias que no coinciden con las secuencias de la lista).

El número de secuencias coincidencia más el número de secuencias no coincidencia deberían sumar los 65533 (coincidencia + no coincidencia = total biblioteca). Sin embargo no consigo obtener ese valor.

Para un caso particular obtengo la suma de 65580.

Lo sé, no es mucha la diferencia pero ya he revisado los archivo y corrí más de una vez el script ¿a qué crees que se deba esta diferencia (65580 - 65533 = 47)?

Por último, lo he probado con archivos con menos secuencias y no existe diferencias de la suma y el total de secuencias.

Saludos y gracias.

por **explorer** » 2015-10-03 05:57 @290

Pues que hay "algo" en esas 47 secuencias que hacen que no salgan impresas.

Sería interesante localizar alguna, para ver el aspecto que tiene.

Si el programa no las ha detectado, es quizás por falta de robustez (el programa no ha sabido responder a casos extremos -líneas vacías, por ejemplo-) o se ha encontrado con algo que no esperaba (metacaracteres en las secuencias de búsqueda que alteran la formación de la expresión regular).

Foro - Perl en Español

Problema: Registro de coincidencia y no coincidencia (regex)

Problema: Registro de coincidencia y no coincidencia (regex)

Publicidad

Re: Problema: Registro de coincidencia y no coincidencia (re

Re: Problema: Registro de coincidencia y no coincidencia (re

Re: Problema: Registro de coincidencia y no coincidencia (re

¿Quién está conectado?