每 2000 个字符提取字符并保存文件

Question

我需要为一个程序做一个输入，这真的超出了我的编程技能，这就是我没有尝试任何东西的原因。希望你能帮帮我。

我有很多文本文件，以符号“>”开头，一个样本名称，一个换行符，然后是每个样本的 0 和 1 数据。

数据看起来像这样（实际上要大得多）：

 >SampleName_ZN189A
 01000001000000000000100011100000000111000000001000
 00110000100000000000010000000000001100000010000000
 00110000000000001110000010010011111000000100010000
 00000110000001000000010100000000010000001000001110
 >SampleName_ZN189B
 00110000001101000001011100000000000000000000010001
 00010000000000000010010000000000100100000001000000
 00000000000000000000000010000000000010111010000000
 01000110000000110000001010010000001111110101000000

注意：每 50 个字符后有一个换行符。

我需要做的是：

提取文件中每个样本的前 2000 个字符的数据，并以相同的名称后跟窗口编号保存。例如，如果这个文件被命名为：Testfile_1.txt，它应该看起来像这样（我提取了数据的前 50 个字符）：

 >SampleName_ZN189A
 01000001000000000000100011100000000111000000001000
 >SampleName_ZN189B
 00110000001101000001011100000000000000000000010001

这个文件应该这样命名：Testfile_1_window1.txt

现在，第二个窗口应该从字符 1500 开始到字符 3500，即 Testfile_1_window2.txt，从字符 3000 到 5000 的第三个文件名称为 Testfile_1_window3.txt 等等...但是如果最后一个窗口有少于 2000 个字符这些字符应添加到最后一个窗口。

也就是说，由 2000 个字符的窗口与 500 个字符的重叠。

提前致谢。

注意 2：

如果您认为可以使用 perl 或 python 解决此问题，请同时发布您的答案。

Answer 1

在 Perl 中你可以这样做，它看起来不是那么有效，但它可以工作，因为 op 系统会缓存文件。

use strict;use warnings;
local $/='>';
open(my $fh,'<','filename') or die $!;    
while (my $chunk = <$fh>){
    chomp($chunk);
    $chunk =~ s!^(.+?)\n+!!is;
    my $samplename = $1;
    ### how many should be a constant or should be calculated on the fly, currently I set it to 50
    for(my $i=0;$i<50;$i++){        
        my $data = substr($chunk,$i*1500,$i*1500+2000);
        next if ! $data;##skip if there is not data
        my $filename = "Testfile_".$samplename."_window".$i.".txt";
        open(my $ofh,'>',$filename) or die $filename,$!;
        print $ofh "<$samplename\n$data\n";
        close($ofh);
    }
}
close($fh);