使用Perl实现部分字符替换

今天在微信群里见到一个需求，需要把类似如下文本中，偶数行（即fasta的序列）的左右两端的“-”字符替换成“?”：

>seq-1
---ACTGACTG---
>seq-2
--AC--AC--AC--
>seq-3
--ACG---ACG----

当即有群友给出了awk的解决方案：

1
2

cat in.fa \
  | awk '{if(NR%2==1){print$0}else{gsub("-","?",$0);print$0}}'

这个方案很简洁，且有效。awk对于这种需要指定特定行做操作的需求，确实很方便。

然而，这种方案会把序列中间的“-”也进行替换，这不符合需求，提问者希望保留中间的“-”不替换，而只替换两个末端的“-”。

正则表达式很容易提取左右两个末端的一个或多个“-”（/(^-*|-*$/），然而要指定替换结果为另一个字符组成的同长度字符串，却有些困难了。

于是，只好祭出字符处理的终极武器Perl，让正则替换过程，使用一个代码块（更详细的用法可参见“perldoc perlre”命令列出的详细文档）来进行：

1
2

$ echo -e ">a-a\n--ha-ha---" \
  | perl -ne 'if($i++%2){$_=~s{^(-*)(.*?)(-*)$}{("?"x(length($1))).$2.("?"x(length($3)))}ex};print'

由于原输入文件来自Windows系统，其行结束符（"\r\n"）导致了右侧替换失败，于是进一步改进了这段“咒语”：

1
2
3

$ echo -e ">a-a\n--ha-ha---" \
  | unix2dos \
  | perl -ne 'if($i++%2){$_=~s{^(-*)(.*?)(-*)\r?$}{("?"x(length($1))).$2.("?"x(length($3)))}ex};print'

问题解决。

小结：Perl虽然早已不是最好的语言了，但在字符串处理上，却的确是“终极”的，因为现代的各种正则处理，基本都是直接或间接从Perl的各种支持逐步演变过来的。只可惜，Perl这门语言太过古典，很多“咒语”吟唱起来太过拗口冗长，被淘汰恐怕是迟早的事了。或许，未来这种吟唱，可以被机器代替，以另一种更友好的操作界面来进行呢？