清纯自然

博客搬家啦！

billzt — Fri, 08 Oct 2010 06:37:13 +0000

NOTICE: 即日起博客搬迁至http://bnuzt.org，全新天地等着你！

初品BioPerl（第二篇：构造一条fasta序列）

billzt — Sun, 03 Oct 2010 10:33:55 +0000

紫萱姐： 接下来我们就来讨论BioPerl的用法。根据一句经典名言，Perl的用途“90%与文本处理有关，10%与其它事务有关”（改编自小驼书），Perl语言的强项就在于文本处理（当然主要是纯文本，和许多Unix工具如grep, awk, sed等工具类似哦！），而恰好大多数生物信息学数据都是以纯文本的形式存放的（包括蛋白质、核酸等序列文件，序列比对文件，进化树文件等），所以BioPerl当初设计的初衷就是为了分析、处理这些文本数据文件。当然随着模块越来越多，BioPerl的功能也扩展了，现在也有人喜欢用BioPerl作为下载工具来下载序列，或者用来运行blast程序等。虽然不是不可以，但我并不建议这么做，因为通过BioPerl来运行的blast程序肯定没有直接运行的blast程序来得快，来得灵活。正如同想要删除一个文件，我们一般都会执行rm file.txt，而不会另外编一个Perl程序说：perl -e 'unlink "file.txt"' 。
进入正题啦！首先，生物信息学处理最多的问题是什么？当然就是蛋白质和核酸序列喽！生物大分子序列的书写有好多种格式，如Fasta, Genbank, EMBL, SwissProt等。其中Fasta是最简单的序列格式，所以我们先来学习使用BioPerl来构造fasta序列。当然这在实际工作上意义不大，因为大部分序列应该从数据库中下载得到（或者通过程序运算出来），而不是自己构造出来的。我们在下一篇会学习如何从文件中提取fasta序列。现在还是先打基础吧。 ^_^

fasta格式的序列是这样的：

      也就是说，上面这条序列的“名称”是：    gi|147605|gb|J01673.1|ECORHO
                                          “描述”是：    E.coli rho gene coding for transcription termination factor
                                          序列则是下面的一大段

当然，这条序列的名称比较复杂，如果是自己“构造”序列，自然没必要用这么复杂的名称，可以只叫ECORHO或者叫E_coli_rho都行。但千万注意。由于BioPerl一般是把从大于号开始一直到第一个空格出现的字段认为是“名称”，所以序列的名字中不要出现空格。如果你把序列的名字叫做E.coli rho，把头字段写成这样：

>E.coli rho E.coli rho gene coding for transcription termination factor

BioPerl会认为“名称”是E.coli（从大于号开始到第一个空格出现），而“描述”是 rho E.coli rho gene coding for transcription termination factor，结果会把你搞得稀里糊涂的，要想不引发岐义，可以这么写：

>E.coli_rho E.coli rho gene coding for transcription termination factor

呵呵，只加上一条下划线，就对了。如果我们的序列是从NCBI这样的数据库里下载下来的，无须担心名称和描述的问题，但有时序列是通过其他程序运算出来，需转入下一道工序加工，这时取个好听的名字就很重要。

知道了fasta序列的格式之后，我们可以用一般的Perl程序“编”出这样一条序列：

#!/usr/bin/perl -w

%a_fasta_seq=(
    “display_name” => “gi|147605|gb|J01673.1|ECORHO”,            #这是序列的名称
    “desc” => “E.coli rho gene coding for transcription termination factor”,    #这是序列的描述
    “seq” => “AACCCTAGCACTGCGCCGAAATATGGCATCCGTGGTATCCCGACTCTGCTGCTGTTCAAAAACGGTGAAG”, #这是序列（只写了一部分）
);

然后可以把它打印出来：

print <<EOF; #这是根据fasta格式依次打印名称、描述和序列，使用了Here文档的写法，也可以拆分成多条print语句
> $a_fasta_seq{dispaly_name}\t$a_fasta_seq{desc}
$a_fasta_seq {seq}
EOF

这种方法的优点是步骤十分清晰，只是太麻烦了一点。如果要构造一个GenBank序列，则得写N长的print。还有，如果要构造许多条fasta序列，也不方便。总不能写%fasta_seq_1, %fasta_seq_2, %fasta_seq_3吧？

下面我们就来看看用BioPerl该怎么写：

#!/usr/bin/perl -w
use Bio::Seq; #加载Bio::Seq模块。
$seq_obj = Bio::Seq->new; #调用Bio::Seq模块的new方法，可以建立一个序列对象，命名为$seq_obj。
#给这个新建的$seq_obj对象赋予三个属性的值：dispaly_name（序列的名称），desc（序列的描述）以及seq（序列的内容）
$seq_obj->display_name(“gi|147605|gb|J01673.1|ECORHO”);
$seq_obj->desc(“E.coli rho gene coding for transcription termination factor”);
$seq_obj->seq(“AACCCTAGCACTGCGCCGAAATATGGCATCCGTGGTATCCCGACTCTGCTGCTGTTCAAAAACGGTGAAG”);

第一句是模块的加载，会把相关的新函数（其实是“方法”）加载进来。
第二句的语法其实在小驼书中已提到过：调用了Bio::Seq模块中的new方法。对于调用面向对象的模块的方法（以前说“函数”，在OO术语中称“方法”）要使用“全名”的方式来调用，语法是：模块名（Bio::Seq）+瘦箭头（->）+方法名（new）。顺便透露一个小秘密：所有面向对象的模块都有一个叫做”new”的方法，它的功能简单且重要：创建一个新的对象。

   会一点Perl的人都应该会创建一些所谓的“数据结构”，比如说：
   创建一个标量： $scalar;
   创建一个数组： @array;
   创建一个哈希： %hash;
   因为标量、数组和哈希都太“简单”啦，而且是Perl内置的数据结构，在标量、数组或哈希里以什么样的方式来组织数据都是Perl自己已经定好了的（注意是组织数据的方式而不是数据的内容哦！）。而对象则可以看成是自己定义的一种数据结构，我们可以给对象赋予一些属性来描述它（有点类似于在哈希中放入键值对来描述你创建的哈希）。但是创建的对象不像标量、数组或哈希那样有前缀（$, @和%），在Perl中对象是用存放它的地址来表示的，而恰恰凑巧的是，地址（一般叫做“引用”）的前缀就是$。
   所以，创建一个Bio::Seq对象就是这样： $seq_obj = Bio::Seq->new;

你可能还会为两个问题而困惑：（1）问：为什么要使用new函数来返回一个对象，而不是像创建标量那样直接写$seq_obj就行了呢？答：因为对象是需要我们自定义的，所以我们需要写一个子程序来定义对象的结构（其实是它的属性和方法，只是空的白纸，还没有填入内容），而碰巧这个子程序的名称就叫new，并且别人已经帮我们写好且内嵌在Bio::Seq模块（以及以后我们要用的其他模块）里了。（2）问：对象的名称一定要以_obj结尾吗？答：不需要。你完全可以写 $seq = Bio::Seq->new; ，这样也是创建了一个名字叫做seq的对象，但是到后来你会搞不清$seq究竟是一个存放序列字符串的标量标量呢还是一个存放（指向）整个序列信息的对象呢？所以，既然对象没有“前缀”，我们就自己给它加一个“后缀”上去。

   创建了一个seq_obj对象之后，我们可以为它“赋值”。先来回顾一下其他数据结构是怎么赋值的：
   给标量赋值： $scalar=”Hello!\n”;
   给列表赋值： @array=(1, 2, 3, 4, 5);
   给哈希赋值： %hash=(“key1″=>”vlaue1″, “key2″=>”value2″);
   对象“赋值”的方式比较特殊。对于这个Bio::Seq（以及许多BioPerl对象）对象来说，是采取调用方法来“赋值”。

$seq_obj->display_name(“gi|147605|gb|J01673.1|ECORHO”);
$seq_obj->desc(“E.coli rho gene coding for transcription termination factor”);
$seq_obj->seq(“AACCCTAGCACTGCGCCGAAATATGGCATCCGTGGTATCCCGACTCTGCTGCTGTTCAAAAACGGTGAAG”);

而且，和标量、数据、哈希一样，对象的创建和“赋值”可以合并为一步：

#!/usr/bin/perl -w

use Bio::Seq;
$seq_obj = Bio::Seq->new( -display_name => “gi|147605|gb|J01673.1|ECORHO”,
                         -desc => “E.coli rho gene coding for transcription termination factor”,
             -seq => “AACCCTAGCACTGCGCCGAAATATGGCATCCGTGGTATCCCGACTCTGCTGCTGTTCAAAAACGGTGAAG”
            );

第一眼看去，这个程序有点像哈希赋值，但“胖箭头”左边的“键”有点不同寻常，带了短横线。
我们来看看前面一大堆操作创建出来的$seq_obj对象到底是怎样的。现在我们已经赋予了它三个属性：display_name, desc, seq，即所谓fasta序列的“三要素”：名称、描述和序列。赋予了这些“值”之后，我们可以查看它们，当然直接打印$seq_obj是行不通的（正如同我们不能自己打印%hash一样），而是要通过调用“方法”来返回可打印的字符串：

my ($fasta_name,$fasta_desc,$fasta_seq); #创建了三个普通的标量变量来存放三个属性值
$fasta_name = $seq_obj->display_name; #调用对象的display_name方法来得到名称
$fasta_desc = $seq_obj->desc; #调用对象的desc方法来得到描述
$fasta_seq = $seq_obj->seq; #调用对象的seq方法来得到序列
#现在可以打印三个属性值了
print “NAME:\t$fasta_name\nDESCRIBE:\t$fasta_desc\nSEQUENCE:\t$fasta_seq\n”;

结果将是这样：

NAME:    gi|147605|gb|J01673.1|ECORHO
DESCRIBE:    E.coli rho gene coding for transcription termination factor
SEQUENCE:    AACCCTAGCACTGCGCCGAAATATGGCATCCGTGGTATCCCGACTCTGCTGCTGTTCAAAAACGGTGAAG

如果仅此而已，那BioPerl是没有任何用途的（和直接创建一个哈希%a_fasta_seq一模一样嘛！）。这里面当然是大有文章啦。比如，当我们给一个哈希（或数组）赋值之后，我们除了能查到刚赋值的内容（若干项或所有项）之外，还能查到好多其他内容呢！比如，可以查看数组元素的个数啊（使用scalar @array），哈希的键列表啊（使用keys %hash）等等。对于这个$seq_obj对象，功能就更加强大了。

我们可以直接数出序列的长度：

$fasta_seq_length = $seq_obj->length; # 得到序列的长度，70

我们可以查阅这段序列究竟是DNA还是蛋白质。

$fasta_property = $seq_obj->alphabet; # 返回dna，看来Perl猜对啦

由此可以看出来，电脑还是很聪明的，但提供电脑程序的人绝对比电脑更聪明。

抛弃永中Office改用OpenOffice

billzt — Sun, 26 Sep 2010 00:09:32 +0000

小葵： 我在“盘点我在Ubuntu/gnome桌面上使用的软件（一）“一文中曾经提到使用永中Office（即EIOffice）作为办公软件，不过我现在倒改变主意了，还是用Ubuntu自带的OpenOffice比较方便。
以前提EIOffice主要是因为它对Microsoft Office有较好的兼容性，但自从我发现在Ubuntu中安装新字体的秘密之后（参见”Ubuntu10.04下安装系统字体最简单的方法“），情况就不一样了。因为我们可以很方便地把新的字体安装到系统中，然后OpenOffice就可以使用这些字体。通常情况下人们在写Word文档时使用得比较多的就是宋体、黑体和楷体，其它稀奇古怪的字体都很少使用，所以只要你安装了这些字体，用OpenOffice打开别人写的Word文档就会很漂亮。当然如果你愿意的话甚至还可以把OpenOffice的默认字体也改成宋体，这样别人也很方便阅读你的文档。
因为OpenOffice与Ubuntu本身有很好的融合性，所以打开文档的速度还是比较快的。而且，OpenOffice还有丰富的扩展插件，在写论文是可以插入参考文献，这些都是EIOffice比不上的。当然，如果你的文档中设置了文字环绕图片，图片环绕文字等多种复杂的格式，那么OpenOffice可能会吃不消；除非你要编辑简报，否则没必要用这些复杂的格式。如果你真的想要用这些复杂格式，应该将他们转换成PDF，这样无论搬到什么电脑上都行得通。日常生活写的小文档不外乎就文字，简单图片，表格等，OpenOffice完全可以胜任。

北京地坛图书节，抱回一只大勇气

billzt — Thu, 23 Sep 2010 08:33:53 +0000

哈哈，好可爱哦！就是太大了一点，想要抱着它睡觉，有点别扭~~~
其实我最期待的是花楹，可惜时间久了，都没人提了。我希望哪一天好心的寰宇能把花楹也做出来啊！

初品BioPerl（第一篇：让BioPerl在你的电脑上安家）

billzt — Sat, 18 Sep 2010 07:21:41 +0000

雪见：Perl的模块有两类，一类是内置在Perl中的，比如小驼书中提到的CGI，File::Basename等，所以你无须另外下载安装这些模块即可使用它们；另一类则是与Perl相分离的，所以你要下载并安装才可以使用它们。很不幸，BioPerl属于后者。而且，安装过程对某些人某些电脑来说不是很容易。
首先，如果你恰巧跟上了因Ubuntu10.04的发行带来的Linux崇拜潮流，已经成功抛弃了Windows Xp转向Ubuntu的话，那么恭喜你，安装BioPerl和安装gimp之类的应用软件一样简单！打开新立德软件包管理器，输入BioPerl搜索，出现的第一项就是（目前的版本是1.6.1），然后右键点击选择“安装”，系统就会自动把所有依赖的软件包全部安装上。怎么样，是不是很方便呢？而且将来某一天若BioPerl有了更新，可以很方便地使用新立德来升级。

      当然，如果大家都这么方便的话，我就不用写这篇文章啦！对于使用其他Linux和Unix系统的人来说可能未必有这种软件包管理器（即使有，在软件源里也未必有BioPerl的安装文件）。但是所有的类Unix系统应该都支持“源代码编译安装”的方式（这是不少Linux高手自认为很酷的装软件方法，哪怕现在还有好多人在用。新手最好不要用，很容易出现问题）。
      对于这些类Unix系统的用户来说，安装BioPerl和安装一些普通的软件方法是一样的，步骤是：
     （1）下载BioPerl的源代码，并解压。我提供两个网址：
      http://bioperl.org/DIST/BioPerl-1.6.1.tar.gz
      http://search.cpan.org/CPAN/authors/id/C/CJ/CJFIELDS/BioPerl-1.6.1.tar.gz
     （2）进入该目录，然后执行下列命令：
    $ perl Build.PL
    $ ./Build test
    # ./Build install

注意：执行./Build install时必须要有系统管理员权限。
这种方法看起来好像挺简单的，但其实不太容易。因为BioPerl和许多其他模块有依赖关系，所以在安装过程中系统会反复询问你是否要安装XX模块。你最好要在连接Internet的情况下安装才行。如果你只想用BioPerl的核心模块，不想使用额外附加功能，可以选择不安装。但我不敢保证以后使用是否会出现问题。

*********************** 分割线 *******************************

      接下来要处理最麻烦的一种操作系统：Windows。因为在Windows上使用“源代码编译安装”并不容易（甚至可以说就是不行的！）。
      如果你的英文水平还不错，请阅读以下文章：
      http://www.bioperl.org/wiki/Installing_Bioperl_on_Windows
      如果你实在不想看英文，请跟着我走：
      相信大多数Windows用户应该是使用ActivestatePerl的版本，首先确保它是最新的。安装BioPerl有两种方式：
     （1）使用ActivestatePerl的PPM（Perl包管理器）来安装。这种方法速度很慢，如果你机器配置不够好的话只有等着死机。
     （2）使用命令行模式安装。这种方法经过我测试，很稳定，强力推荐。注意安装全过程必须要有稳定的Internet连接
      你需要执行的命令是：
   C:> ppm-shell
(回车出现下一行)
   ppm>
   ppm> repo add http://bioperl.org/DIST
   ppm> repo add uwinnipeg
   ppm> repo add trouchelle
   ppm> install BioPerl
      注意看仔细了，别打错字母！
      根据小驼书的说法，判断系统上是否已经安装了一个模块，可以尝试使用perldoc命令查看模块的文档。如果能够查阅它的文档，说明已经安装成功了，否则呢，还是自己找一下原因吧！
      对于BioPerl来说，我们可以查看其中的一个模块的文档：
   perldoc Bio：：Seq
      不要自作主张地写成perldoc BioPerl ！找不到的！因为并不存在BioPerl.pm这种模块，它只是一个统称而已。对于Ubuntu用户来说，perldoc这个命令默认没有安装，自己手动把它安装上去即可。
       BioPerl安家之后，我们就可以尽情地享受它带来的乐趣。

一叶落而知天下秋

billzt — Sat, 18 Sep 2010 05:58:58 +0000

——以此纪念2010年京城的第一个秋天
阿天：秋风吹，秋雨飘。2010年9月17日，秋天终于来啦！
今年的秋天迟到了两个多礼拜。希望老天爷能多慷慨一些，多赏赐我些许凉意，让我尽情享受这秋高气爽的日子吧！

初品BioPerl（序：让程序读起来更生动）

billzt — Mon, 13 Sep 2010 13:38:02 +0000

苏姐姐：或许在接触BioPerl之前你可能已听说过这个词，但却不明白它是做什么用的。其实，它的用途很简单：让我们的Perl程序读起来更生动一点儿，好听一点儿，易懂一点儿。没错，哪怕你不用BioPerl，同样可以完成相同的任务！而且可能执行的速度更快！但是这样一来，虽然便宜了机器，却苦了我们自己呵！
      闲话休提，言归正传。我们来看一个“小驼书”中的例子（强烈建议你在学习BioPerl之前至少把小驼书啃十遍。BioPerl属于高级课题，若根基不稳，学起来是很痛苦嘀！）。
      在变量$name中存放了一个文件路径名，请取出它的文件基名（basename）和目录名（dirname），再把它们重新连接成完整的文件名（咋一看这个操作很无聊，没关系，这只是个例子而已）。我们应该会写出这样的代码：
      my $name=“/usr/local/bin/perl”;

      (my $basename=$name)=~s%.*/%%;             # 取出文件基名$basename
      (my $dirname=$name)=~s%(.*)/.*$%$1%;       # 取出目录名$dirname
      my $filename=“$dirname/$basename”;         # 将文件基名和目录名连接起来

      说实话，除非你是一等一的高手，否则没有人能一眼就看出来诸如s%.*/%%这样的代码究竟是干什么用的，除非你在旁边加上了详尽的注释，而且你的变量名称取得很有意义（好的Perl程序员一定会这么做）。而且你如果仔细读过小驼书，应该知道上面这段代码不仅难懂晦涩，而且还有BUG。事实上，文件名中是可以包含换行符\n的，所以，正确的写法应该是s%.*/%%s和s%(.*)/.*$%$1%s。不用说，这样一来就更难看啦！
      好吧，下面我们换用模块试试：
     use File::Basename;

     use File::Spec;
     my $name=“/usr/local/bin/perl”;
     my $basename = basename $name;
     my $dirname = dirname $name;          #现在是动听的名字basename和dirname，而非枯燥的s%.*/%%
     my $filename = File::Spec->catfile($dirname,$basename);
      现在的代码看起来“好看”多了，我们几乎不用添加额外的注释，就能看出来第四、五、六行代码是干什么的。
      当然，这样的“好看”是有代价的。
      首先，你的“记忆力”要足够好。例如开头的use两句，你不能写成use Files::Basename或者use File::basename或者use Basename，那样程序在运行时会报错“找不到文件”，（别忘了虽然正则表达式可以模糊匹配，use语句的文件查找好像还做不到这一点），你只有精确地写出use File::Basename才行。此外，最后一句也不能写成my $filename = catfile($dirname,$basename); ，必须使用“全名”的方式来调用对象的方法才行。（由于“小驼书”中不提对象，而BioPerl中有N多的面向对象的模块。所以初学者会对 -> 这样的符号很困惑，请多看几眼哦！）不过，这里所谓的“记忆力”其实在学习一般的Perl编程也是用到的。你既然知道应该拼写成elsif而不是elseif，那么记忆像basename，dirname这样的函数名完全不会太困难！如果实在不想花时间记的话，就查阅文档吧！可惜大部分文档是英文的，若你恰恰英文水平不好的话，就麻烦了。
      其次，程序加载额外的模块肯定要多费时间。如果程序只有几行（就像上面的例子那样），多费的时间应该不到1毫秒（我自己猜的，没有严格验证过哦）；但如果普通的程序要运行好几个礼拜的话（一般都是有大量的循环），那把它改成用模块编写的（偏偏不巧模块加载就在循环里面），虽然程序变得“好看”了，但却要多花费好几个小时来运行（我有亲身体会！）。
      不过，话又说回来，程序运行慢，累的是机器；程序写得困难，累的是人。究竟你想累机器还是累人？应该具体情况具体分析！
      最后，为以后要写的BioPerl说几句：
     （1）我假设你已经熟读了小驼书，熟练地掌握了里面的所有内容。（很重要！Very Important！）
     （2）你不需要看过羊驼书，哪怕你不了解“引用”和“对象”都没关系（其实我也不是很了解）。别忘了我们只是使用BioPerl模块，并不是去深究里面的细节。尽管大部分BioPerl模块都是面向对象的，没关系，尽管用吧！
     （3）我们只强调“使用”，或许你希望能够修改模块的源代码以更适合自己的风格，但别人会误解的，会认为你是在错误地使用模块！
     （4）我只写自己比较了解，亲身体验过的内容。要全面了解BioPerl，请查看它的官方教程http://www.bioperl.org/wiki/HOWTOs

“小驼书”精彩语录（四）

billzt — Sat, 04 Sep 2010 03:48:02 +0000

月如：
——当Larry考虑Perl要提供哪些操作符时，他不想让老的C程序员有机会怀念那些C有而Perl没有的东西。所以他把C所有的操作符都搬过来了（严格说来，他其实舍弃了在Perl中无用的操作符，例如将数字转换为内存地址的操作符。当然他还加上了几个让C程序员嫉妒的操作符，比如字符串连接）。这个决定导致Perl拥有了C语言最让人困惑的操作符，也就是三目？：操作符。

——如果你不知道文件名和目录名可以包含换行符的话，那就说明你不完全了解这些规则，对吧？

——许多古老的Unix程序都犯了这个错误，以为 . 和 .. 一定是前两个返回的条目（无论是否排序）。如果你根本没这么想过，请忘记这段脚注，因为这是错误的猜想。事实上，我们现在已经后悔提到它了。

——Perl的初学者在测试unlink时，常会在建立一个文件后将它chmod成0（这样就无法对它进行读写），看看这是否能导致unlink执行失败，可是结果恰好相反，文件却像肥皂泡一样消失了。

——有些人知道rm在删除这种文件时通常会提醒用户确认。不过rm是个命令，而unlink则是系统调用。系统调用不需要确认，也从来不说抱歉。

——如果你真的想看到unlink操作失败，只要试着删除/etc/passwd或类似的系统文件就行了。因为这个文件是由系统管理员控制的，因此你无法将它删除（当然，如果你在尝试这种操作时太粗心，忘了现在正在以系统管理员的身份登录，那是罪有应得）。

——乍听到排序子程序这个术语时，如果你上过计算机科学的课，脑海中可能会浮现出冒泡排序、希尔排序和快速排序。然后你会说：“拜托，别再谈这些了！”请放心，事情没那么复杂，其实还相当简单。Perl其实知道怎么对列表排序，它只是不知道要用什么样的规则。所以排序子程序只是用来说明具体的规则。

——在处理更复杂的情况时，智能匹配操作符才会大显身手。比方说，你想在哈希%names中查找任何匹配Fred的键，如果找到就打印一条消息出来。你无法用exists判定。因为它需要给定确定的键。当然，你可以用foreach来遍历每个键，尝试用正则表达式匹配，跳过那些不匹配的，直到发现要找的键，保存到标记变量$flag中，然后用last跳出循环：

my $flag=0;

foreach my $key (keys %names) {
    next unless $key =~ /Fred/;
    $flag = $key;
    last;
    }
print “I found a key matching ‘Fred’.It was $flag\n” if $flag;

唷！这么麻烦，连解释起来都费力，不过这么写也有好处，那就是各种Perl 5 版本都支持。可有了智能匹配操作符，只要把哈希写在左侧，把正则表达式写在右侧，就搞定了。

use 5.010
say “I found a key matching ‘Fred’” if %names ~~ /Fred/;

——反引号写法要模拟单引号很麻烦，因为变量内插和反斜线转义总是会起效。（所以若要向shell发送反斜线符号，就得连写两个反斜线。因为在windows环境中常需要两个连续的反斜线，就要连写4个。）

——哈希切片是一个切片而非哈希，如同炉火是指火而非炉，而火炉是指炉而非火。

（完）

手把手教你怎么把Endnote文献数据库导入到JabRef

billzt — Fri, 03 Sep 2010 01:53:41 +0000

七七：或许你和我一样厌倦了盗版的Endnote（尽管我承认这样的“你”不多哦），想要尝试一下开源且跨平台的JabRef，可是以前留着一堆Endnote的Library，或者老板传给你一个Endnote Library，有办法把它导入到JabRef吗？Of course！
      先简单地说下原理吧，我们要做的实际上是把Endnote Library转换成BibTex数据库，因为JabRef认得BibTex。（注意啦：如果你是从网上下载论文引用的，就不要多此一举了，直接选择下载格式为“BibTex”就行啦。我这里说的可是怎么把以前的数据库转换过来哦）
      好啦，下面由我手把手教你怎么操作：
     （1）从官网http://jabref.sourceforge.net/下载JabRef。这是一个Java程序，无须安装，用Java打开它即可。（如果你做不到这一步的话，就问一下身旁的兄弟姐妹们吧，总有人知道的。:) ）
     （2）选择Option>Preference，选择显示语言为“Simplified Chinese”，（当然如果你英文足够强的话也可以不选哦！我接下去还是按照中文说明），选择默认编码为“UTF8”。（在Linux上很重要，这关系到中文能否正确显示）
      接下来很重要，请仔细看啦~~
     （3）选择工具>解开Endnote filter set，这时会弹出一个对话框，如下图所示。

起初，包括我自己在内很多人都会误解，以为这是要选择一个Endnote Library文件（*.enl）。其实不是，这是JabRef要自动生成一个zip压缩文件，里面包含有一些插件，可以给Endnote使用，这样Endnote就可以用这些插件把数据库导出为BibTex格式，这样JabRef就认得它们啦！
此时，你可以选择一个保存文件的目录，填入一个以zip为扩展名的文件名，选择“文件格式”为*.zip，点击“Save”，此时会在你所选的目录下产生一个zip文件，如下图所示。

      但是，我在用2.6版的JabRef进行类似操作时，却没有任何反应。这应该是程序的BUG。于是乎我换用了2.5版，就能正常操作了。如果你恰恰运气不好，使用2.5版的JabRef还是不能生成文件，那么请点击此处下载：http://bbs.nju.edu.cn/file/B/billzt/Endnote-JabRef_filters.zip
     （4）解压该zip文件，把其中的BibTeX Export to JabRef.ens与BibTeX Export to JabRef2.ens复制到Endnote安装目录的Styles目录下面。
      咦？这样子岂不是还要安装Endnote吗？可是Ubuntu上没法安装Endnote怎么办？没关系，办法多得很。要么可以借用其它装有windows系统的电脑，要么可以在虚拟机里安装Endnote，你甚至还可以在wine中安装Endnote。没关系，我们现在使用Endnote只是为了转换一下以前的数据库，完成之后你就可以大胆地把它卸载。
     （5）用Endnote软件打开你需要转换的数据库（一般是enl格式），然后选择File>Export，此时会弹出一个对话框，注意在底下Output一栏中选择Select another style…，此时会弹出一个Choose A Style对话框，里面有N多种格式可选（如果Endnote是像我这样安装在wine里，打开这个对话框会很慢，请耐心等候），请务必选择BibTeX Export to JabRef。点击“Choose”之后会回到原来的对话框，“文件名”和“文件类型”一栏暂时不要动。点击“保存”，这时会生成一个与原来的Endnote Library文件同名的txt文本文档。

（6）打开生成的txt文档，在最后一行加上如下文字：This file was created with JabRef 2.6. Encoding: UTF-8（虽然我不清楚不加上这句话是否影响正常操作，还是加上好），然后把文件扩展名改为bib，以便于JabRef以后读取。此时，一个BibTex数据库文件就完成啦。
（7）打开JabRef，选择文件>导入新数据库，导入刚才建立的bib文件，此时会弹出一个警告对话框提示你BibTex键为空。不用理会它，关闭该警告提醒框即可。此时你就会发现所有文献已成功导入JabRef啦。

“小驼书”精彩语录（三）

billzt — Tue, 31 Aug 2010 01:49:40 +0000

月如：
——不要把正则表达式和shell的文件名通配（glob）混为一谈。在Unix shell中键入*.pm来匹配所有以.pm结尾的文件就是典型的文件名通配。文件名通配使用了许多与正则表达式相同的字符，但这些字符在使用方式上完全不同（文件名通配有时也被叫做模式。不过更糟的是，某些差劲的Unix入门书（可能也刚好是门外汉写的）也称它为正则表达式，其实它们绝对不是。这种说法只会让许多Unix初学者感到困惑）。

——不过在大多数情况下，现实生活中我们所说的单词是由字母、连字符和缩写符号组成的（起码在英语中是这样的。在ASCII编码的英文中，单引号和缩写符号是一样的，这造成了些麻烦，无法说明cat‘s 是一个带缩写的单词还是单引号末尾的词。没准这就是计算机仍然无法（代替人类）管理世界的原因吧。），所以我们很想改变“单词”的定义。

——有三个不请自来的捕获变量，不必使用捕捉圆括号就能引入。这看起来真是很不错，但是还有一个坏消息，这些变量的名称很奇怪。
虽然Larry可能不反对给它们取比较正常的名字，像$gazoo或$ozmidiar。但是，这些都是你在自己的程序里可能会用到的名称。为了让普通的Perl程序员在为第一个程序的变量命名时，不必绕开Perl所有的特殊变量名，Larry给内置变量起了一些稀奇古怪的名字，也可以说是“惊世骇俗”的名字。在这里用的是标点符号名：$&、$`和$’。这些名称奇怪、丑陋且诡异，但它们总得有个名字（若你真的无法忍受这些奇怪的名称，可以试试Eglish模块，它会为Perl所有的奇怪变量赋予接近正常的名称。但是，使用这个模块的人一直不多；相反的是，Perl程序员已经逐渐喜爱这些标点符号变量名，无论它们有多么奇怪）。

——程序结束之后，用户会发现什么呢？他们会说“喔，我懂了。Perl根据我的需要编辑了fred03.dat的内容，而且好心地把原始拷贝备份到fred03.dat.bak文件”。不过我们知道真相，Perl并没有编辑任何文件，它只是创建了一个修改过的新拷贝。趁我们还在盯着他那冒烟的魔术师手杖看的时候，把文件偷偷调了包。真是高明呀！

——请时刻记住，代码的读者起码分成两类：机器会执行代码，而人会维护代码。如果人都无法理解你写的程序，那么迟早机器也会做错事情。

——修饰词的两边都只能写单个表达式，因此不能写某事if某事while某事until某事unless某事foreach某事，因为那样太让人困惑了。

——你可能已经注意到了，这个关键字的拼写居然是elsif，好像缺少了一个e。但是如果你写成具有两个e的elseif，Perl会告诉你拼写错误。为什么呢？因为Larry说了算。（事实上，他坚持这种拼法，甚至拒绝融入另一种拼法的建议。如果你坚持要拼写另一个e也很简单：第一步，发明你自己的语言；第二步，让语言非常流行。如果程序语言是你自己发明的，关键字要怎么拼是你的自由。我们希望你的语言不要拒绝elseunless这样的建议）。

——for (1..10) { print “I can count to $_!\n” }
这是一个纯正的foreach循环，但却用了for关键字。除此以外，本书其他的例子都会写成foreach形式。不过在真实的世界中，你会认为大多数Perl牛仔会多打那四个字母吗？（如果你觉得还是谨慎一点比较好的话，那么你就是还缺少历练。在程序员（尤其是Perl程序员）看来，懒惰是传统美德。如果不信，可以参加下次Perl Monger聚会调查一下。）

——在Perl中有五种循环块。也就是for、foreach、while、until以及裸块（没错，你可以用last来跳出裸块。但这并不意味着可以裸奔回家。）

（未完待续）