0

我正在研究将句子拆分为单个单词的代码，然后根据哈希键搜索这些单词是否存在。我的代码返回 100% 相同的术语，在匹配之后，我用与匹配键对应的值标记句子中的单词。问题是代码标签术语，但随机值与我期望的不符。此外，在某些情况下，术语和哈希键相似但不是 100% 相同，我如何编写正则表达式以将我的术语与键匹配。注意：我已经将散列键提取为它们的根形式。我可以提供一些示例：如果句子中的术语是 Synergistic 或 anti-synergistic，并且我的哈希键是 Synerg，我如何将上述术语与 Synerg 匹配。

我的代码如下：

    open IN, "C:\\Users\\Desktop\\TM\\clean_cells.txt" or die "import file absent";
    my %hash=();
    use Tie::IxHash;
    tie %hash => "Tie::IxHash";
    while(<IN>)
    {
    chomp $_;
    $line=lc $_;
    @Organs=split/\t/, $line;
    $hash{$Organs[0]}=$Organs[1];
    }

    $Sentence="Lymphoma is Lymph Heart and Lung";
     @list=split/ /,$Sentence;

     @array=();
 foreach $term(@list)
 {
 chomp $term;
    for $keys(keys %hash)
     {
    if($hash{$term})
     {
     $cell="<$hash{$keys}>$term<\/$hash{$keys}>";
     push(@array, $cell);
    }
    elsif($term=~m/\b\Q$keys(\w+)\E\b/)
    {
    $cell="<$hash{$keys}>$term<\/$hash{$keys}>";
     push(@array, $cell);        
    }
    elsif($term=~m/\b\Q(\w+)$keys\E\b/)
    {
    $cell="<$hash{$keys}>$term<\/$hash{$keys}>";
     push(@array, $cell);        
    }
    elsif($term=~m/\b\Q(\w+)$keys(\w+)\E\b/)
    {
    $cell="<$hash{$keys}>$term<\/$hash{$keys}>";
     push(@array, $cell);        
     }
}
}
print @array;

 for example: hash looks like this: %hash={
                                      TF1    => Lymph
                                Thoracic_duct =>    Lymph
                                    SK-MEL-1 => Lymph
                                       Brain => Brain
                                     Cerebellum =>  Brain
                                         };
   So if the term TF1 is found it should be substituted to Lymph TF1 /Lymph
4

1 回答 1

1

我发现了两个阻碍您的代码工作的大问题：

  • 您正在将哈希键设为小写，但您对$Sentence. 因此，大写单词 from $Sentence永远不会匹配。
  • 修饰符禁用正\Q...\E则表达式元字符。虽然在对变量进行插值时这样做通常很好，但您不能使用(\w+)其中的表达式——这将查找文字字符(\w+)。这些正则表达式需要像这样重写：m/\b\Q$keys\E(\w+)\b/.

您的代码还存在其他设计问题：

  1. 您到处都在使用未声明的全局变量。你应该用 . 声明所有变量my。始终打开use strict; use warnings;，这将迫使您正确执行此操作。
  2. 似乎没有任何理由Tie::IxHash，这会导致您的哈希被排序。您不会在代码中以任何方式使用此排序。输出按 排序@list。我会取消这个不必要的模块。
  3. 你的if/elsif陈述是多余的。 if($term=~m/\b\Q(\w*)$keys(\w*)\E\b/)将完成与所有这些组合相同的事情。请注意，我替换\w+为\w*. 这允许之前和之后的组匹配零个或多个字符而不是一个或多个字符。

注意：我没有费心测试Tie::IxHash，因为我没有那个模块，而且看起来没有必要。使用此模块可能还会在您的代码中引入其他问题。

于 2012-10-24T10:46:30.300 回答