处理解析文件中的数据时遇到问题

Question

我正在尝试从名为 mirdeep 的程序解析 html 输出文件。我已经将脚本提取到了将数据提取到数组数组中的地步，并且我正在尝试从相应的列中提取我想要的特定信息。出于某种奇怪的原因，我不断得到本不应该出现的输出。

基本上它应该从 mirdeep AND 检测到的 mirbase miRNA 和未检测到的 mirbase miRNA 中提取计数，但不理会统计表和新部分。

但是，当前为未检测部分提取的计数奇怪地存储不正确。 （由于它们的输出方式，一些所谓的“明星”和“成熟”数据被放在不同的行而不是在同一行，所以我试图重新组合它们。我相当肯定重组中的错误是问题的根源。

我正在使用打印语句检查我的进度，并注意到一些应该只有成熟计数或星计数的数据两者都有，并且第二个数字似乎总是等于行的成熟计数下面在html文件中，这对我来说没有意义。有人可以帮我找出问题所在吗？这是我第一次广泛使用面向对象的包，所以这里可能会有任何错误。

Heres the script and an example data file

刚刚创建了一个帐户，由于某种原因我无法安装 HTML::TableExtract；

运行 make install make test 已返回错误状态，不会强制安装 在此命令期间失败：GAAS/HTML-Parser-3.68.tar.gz ：make_test NO MSISK/HTML-TableExtract-2.10.tar.gz ： make_test NO

似乎我的 perl 安装很糟糕，我试图使用 bioperl，出于某种原因，流浪汉使用 fink，它安装了 perl 的 OWN 副本，而不是为 perl 的主系统安装提供库。有人知道如何使 fink 与主要的 MAC perl 安装（和 cpan）一起玩吗？当我使用主 perl 时，它可以工作，但我无法将模块安装到较旧的 fink perl，我必须使用它来访问 bioperl。是不是很棒。

附：对此最困扰我的事情是，它并没有发生在每个数据项上，而且它发生的主要是那些一开始就不应该获得两个值的数据项。它似乎有点伪随机，但具有确定性，因为它每次都发生在相同的项目上。

Answer 1

那是数百行代码。如果您只是想从 HTML 中提取表格，请使用 HTML::TableExtract。

例如：

#!/usr/bin/perl

use strict; use warnings;
use HTML::TableExtract;
use YAML;

my $te = HTML::TableExtract->new(
    headers => [
        '',
        'novel miRNAs',
        'known miRBase miRNAs',
        '',
        '',
    ],
    slice_columns => 0,
);

$te->parse_file('t.html');

for my $table ( $te->tables ) {
    for my $row ( $table->rows ) {
        print Dump $row;
    }
}