解析CSV文件，找到列并记住它们

Question

我想找出一种方法来做到这一点，我知道它应该是可能的。首先有一点背景。

我想自动创建用于将DNA序列提交给GenBank的NCBI Sequin块的过程。我总是最终创建一个表，列出物种名称，样品ID值，序列类型以及最终收集的位置。我很容易将它导出到制表符分隔的文件中。现在我做这样的事情：

while ($csv) { 
    foreach ($_) { 
    if ($_ =! m/table|species|accession/i) { 
     @csv = split('\t', $csv); 
     print NEWFILE ">[species=$csv[0]] [molecule=DNA] [moltype=genomic] [country=$csv[2]] [spec-id=$csv[1]]\n"; 
    } 
    else { 
     next; 
    } 
    } 
} 

我知道这是凌乱的，我只是输入了类似于我有记忆的东西（没有脚本的任我在家里的电脑，只在工作）。

现在对我罚款，因为现在我知道哪些列我需要的信息（种类，位置和ID号）在工作。

但是，有没有办法（必须有）对我来说，动态找到所需信息的列？也就是说，无论列的顺序如何，来自正确列的正确信息都会发送到正确的地方？

第一行通常是表格X（其中X是出版物中表格的编号），下一行通常会有感兴趣的列标题，并且在标题中几乎是通用的。几乎所有的表格都会有标准标题来搜索，我可以使用|在我的模式匹配。

Answer 1

创建一个列标题映射到列数的哈希：

my %columns; 
... 

if (/table|species|accession/i) { 
    my @headings = split('\t'); 
    my $col = 0; 
    foreach my $col (@headings) { 
    $columns{"\L$col"} = $col++; 
    } 
} 

然后你可以使用$csv[$columns{'species'}]。

Answer 2

首先，如果我不推荐优秀的Text::CSV_XS模块，我会失职;它在读取CSV文件方面做得更加可靠，甚至可以处理Barmar提到的列映射方案。

也就是说，Barmar有正确的方法，尽管它完全忽略了“表格X”行是单独的行。我建议采取一个明确的办法，也许这样的事情（这都将有一些详细信息只是为了把事情说清楚，我可能会更紧密地把它写在生产代码）：

# Assumes the file has been opened and that the filehandle is stored in $csv_fh. 
# Get header information first. 

my $hdr_data = {}; 

while(<$csv_fh>) { 
    if(! $hdr_data->{'table'} && /Table (\d+)/) { 
    $hdr_data->{'table'} = $1; 
    next; 
    } 
    if(! $hdr_data->{'species'} && /species/) { 
    my $n = 0; 
    # Takes the column headers as they come, creating 
    # a map between the column name and column number. 
    # Assumes that column names are case-insensitively 
    # unique. 
    my %columns = map { lc($_) => $n++ } split(/\t/); 
    # Now pick out exactly the columns we want. 
    foreach my $thingy (qw{ species accession country }) { 
     $hdr_data->{$thingy} = $columns{$thingy}; 
    } 
    last; 
    } 
} 

# Now process the rest of the lines. 

while(<$csv_fh>) { 
    my $col = split(/\t/); 
    printf NEWFILE ">[species=%s] [molecule=DNA] [moltype=genomic] [country=%s] [spec-id=%s]\n", 
    $col[$hdr_data->{'species'}], 
    $col[$hdr_data->{'country'}], 
    $col[$hdr_data->{'accession'}]; 
} 

的一些变化这会让你接近你所需要的东西。