生信分析——perl入门

Posted 2021-04-17 致合生物

perl语言在老一辈的生物信息学分析人员中非常流行，所以因为历史遗留原因大家肯定会或多或少的接触perl，即使你再怎么推崇python或者GO。

perl是典型的脚本语言，短小精悍，非常容易上手，尤其适合处理文本，数据，以及系统管理。

Perl语言的长处： 
*强大的正则表达式和模式匹配功能(接近理想的正则表达式语言) 
*复杂灵活的数据结构(Array of Array, Array of Hash，Hash of Array, Hash of Hash等) 
*Unicode支持（相对AWK与C） 
其不足是： 
*动态类型语言，不是很可靠 
*自然语言，是优点也是缺陷，使得Perl语言代码可能晦涩难懂； 
*智能语言，是优点也产生不足：根据上下文解释编程者之意，可能产生臆断；也因此产生种种编程陷阱。 
*不是很优美。多种方法做事，有时会让编程者无所适从。 
*性能问题。Perl灵活的数据结构和处理性能通常不是很高（相对C/C++），若需要高性能的处理有时需要使用其它语言重写。 
Perl语言的学习曲线浅而长。只要看看《Learning Perl》，就可以编写简单的Perl程序了，然而要深入掌握Perl，要使用Perl的复杂数据结构，进行面向对象编程、多线程编程则不是那么容易的事，需要很长的时间学习和实践。

perl语言基础知识

• Perl安装

 我选择安装的是Strawberry Perl，这个软件比较好的是它自带Perl Command Line，可以很方便的调用perl程序。如果选择其他软件，可能需要调用系统的终端窗口，比如Windows下调用cmd。

• 检查

  如果要了解系统中是否已经安装了Perl，请打开系统终端窗口，(windows系统下的cmd)键入这行命令：perl -v

  如果输出版本号，表示Perl已经安装好了。          

• Perl文档资料

  每安装一个Perl，就会得到一份完整的Perl语言和解释程序的当前文档资料的拷贝。

如要运行perldoc程序，请在DOS命令提示符下，或者在Strawberry Perl安装文件夹下运行

Perl(Command Line),键入命令：perldoc perl,如下图：

• 

• 第一个Perl程序

   编写Perl程序需要一个文本编辑器的实用程序（注意不是文字处理程序），如Windows的Notepad，我选择使用的是NotePad++。

①键入程序：

打开文本编辑器，键入下面这个Perl程序：

 #!/usr/bin/perl

 print"Hello,World! ";

保存名为hello或者hello.pl的文件名。（加不加扩展名，Perl都无所谓，如果想加扩展名，常用的是.pl  和.plx）

②运行程序：

如要运行hello.pl程序，需要进入一个命令行提示符下，在Windows系统，运行MS-DOS提示符。不过我调用了Strawberry的Perl（Command Line）。注意hello.pl程序的保存路径是否在Perl目录下，如果不在，用cd命令，转到存放hello.pl程序的目录中。调用命令：

我的Perl安装在C盘的Users下，而perl程序保存在E盘的PerlFile文件夹下。

内建变量

就是perl语言设计的时候定义了一大堆的全局变量($_  $, $0 $> $< $! $. @ARGV @F @_ @INC %ENV %SIG

外表上看起来都是一个$/@/%符号后面加上一大堆的奇奇怪怪的字符，表示一些特殊变量，这也是perl语言饱受诟病的原因。

但是有些非常重要，懂了它之后写程序会方便

下载一个表格，里面有近100个预定义变量需要学习的

控制语句(循环/条件/判断)

if ... elsif ... else ...

unless/while/next/last/for/foreach

读写文件，脚本实战！

while(<>){

#do something !

}

这是我最喜欢的一个程序模板，读取文件，根据需要处理文件，然后输出。

需要实现非常多的功能，然后就可以自己总结脚本技巧，也能完全掌握perl的各种语法。

在生物信息学领域，需要实现的功能有！

perl 单行命令

学习单行命令的前提是掌握非常多的奇奇怪怪的perl自定义变量，和perl的基础语法，用熟练了之后就非常方便，很多生物信息学数据处理过程基本不写脚本，都是直接写一行命令，完全代替了shell脚本里面的awk、sed/grep系列命令。

(-p -a -n -a -l -i -F -M)

预定义函数

perl 是一个非常精简的语言，自定义的函数非常少，连min max这样常见的函数都没有，如果你需要使用这样的功能，要么自己写一个函数，要么使用加强版的包，perl的包非常多。

下面列出一些，我常用的包

程序必备 use/die/warn/print/open/close/<>/

数学函数sin/cos/log/abs/rand/srand/sqrt

字符串函数 uc/lc/scaler/index/rindex/length/pos/substr/sprintf/chop/chomp/hex/int/oct/ord/chr/unpack/unencode

defined/undef

系统操作相关

perl语言是跨平台的，因为它的执行靠的是perl解释器，而perl的解释器可以安装在任何机器上面。所以可以用perl来代替很多系统管理工作。

系统命令调用

文件句柄操作(STDIN,STDOUT,STDERR,ARGV,DATA,)

系统文件管理(mkdir/chdir/opendir/closedir/readdir/telldir/rmdir/)

一些高级技巧

自定义函数 sub , 参数传递，数组传递，返回值

模块操作(模块安装，加载，模块路径，模块函数引用)

引用（变量的变量）

选择一个好的编辑器-编译器,editplus,notepad++,jEdit，编程习惯的养成。

搞清楚perl版本的问题，还有程序编码的问题，中文显示的问题

程序调试

perl常见模块学习

perl和LWP/html做网络爬虫必备，重点是DOM如何解析

perl和CGI编程，做网站的神器，重点是html基础知识

DBI相关数据库，用perl来操作mysql等，当然，重点是mysql知识

GD and GD::Graph 可以用来画图，但是基本上没有人用了，除了CIRCOS画圈圈图火起来了。

TK模块，可以编写GUI界面程序，但是也几乎没有人用了。

XML/pdf/excel/Json 相关的模块可以用来读取非文本格式数据，或者输出格式化报告。

socket通信相关，高手甚至可以写出一个QQ的模仿版本

最后不得不提的就是Bioperl了，虽然我从来没有用过，但是它的确对初学者非常有用，大多数人不提倡重复造轮子，但我个人觉得，对初学者来说，重复造轮子是一个非常好的学习方式。大家可以仿造bioperl里面的各个功能，用自己的脚本来实现！

 

资料共享

两个半小时入门指导：https://qntm.org/files/perl/perl.html

21天学完：http://ft-sipil.unila.ac.id/dbooks/(ebook%20pdf)%20Teach%20Yourself%20Perl%20in%2021%20Days.pdf

还有大小骆驼书，建议都看完，以囫囵吞枣的方式阅读，只看基础知识来入门，难点全部跳过。

官网：https://www.perl.org/

函数如何用，都可以在http://perldoc.perl.org/perl.html 查到

论坛：http://www.perlmonks.org/