A continuación os dejo un sencillo código para extraer las líneas deseadas de un texto dándole como parámetros el texto y un array con las palabras o patrones que deben estar presentes en las líneas a extraer.Modificaciones de este código nos pueden ser muy útiles en diversos problemas bioinformáticos, cuando tenemos archivos con muchas líneas de datos y sólo queremos utilizar o visualizar unas pocas.
En próximas entradas utilizaremos este código para extraer por ejemplo los átomos deseados de un fichero de coordenadas atómicas en formato PDB.
my $source_text = "Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.\n
Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat.\n
Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur.\n
Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.";
my @patterns;
push(@patterns, 'adipisicing');
push(@patterns, '/dolor/');
my $extracted_text = join('',extract_lines_from_text($source_text,\@patterns));
print "$extracted_text\n";
# Extract lines from text with the desired patterns
sub extract_lines_from_text {
my ($text, $patterns) = @_;
my @data;
my @lines = split("\n",$text);
foreach my $line (@lines){
foreach my $pattern (@{$patterns}){
if ($pattern =~ /^\/(.+)\/$/){
if ($line =~ /$1/){
push(@data,$line);
last;
}
} else {
if ($line =~ /\Q$pattern\E/){
push(@data,$line);
last;
}
}
}
}
return @data;
}
