1

所以我在服务器上有一个文件：

COADREAD ATF7 Missense_Mutation NGXA-AZ-3984 P17544 A436T

COADREAD ATG10 Missense_Mutation NGXA-AB-A010 Q9H0Y0 H133N

我的目标是找到 id (P17544)，它在文件的第 5 列中并捕获/存储（我需要稍后打印该数字）它后面的令牌数是 436（这个数字应该介于两者之间来自第 6 列 A436T 的两个字母）。我可以这样做吗？我以前用 lxml 工作了一点，但仍然不确定如何做到这一点。提前致谢

这是我所拥有的

文件=打开（'text.txt'，'r'）

查找={}

对于文件中的行：

myid, token = file.rsplit(' ', 2)[1:]

token = token[1:-1]
4

2 回答 2

2

使用内置str方法的最简单方法：

d = 'COADREAD ATF7 Missense_Mutation NGXA-AZ-3984 P17544 A436T'
myid, token = d.rsplit(' ', 2)[1:] # will except if can't be unpacked so you know you've got exactly 2 elements...
token = token[1:-1]

如果你想指定两个字母之间的数字，你可以使用正则表达式......re.match('[A-Z](\d{3})[A-Z]', token[1]) # or similar...

澄清：

d.rsplit(' ', 2)' '- 从返回的末尾开始在 s 处拆分字符串['COADREAD ATF7 Missense_Mutation NGXA-AZ-3984', 'P17544', 'A436T'] 。假设我们只寻找最后两个元素，我们用切片删除第一个元素，所以我们得到d.rsplit(' ', 2)[1:]which given ['P17544', 'A436T']。

使用解包，我们命名我们的变量，并通过使用保证它的长度为 2 myid, token = d.rsplit(' ', 2)[1:]- 如果它没有恰好两个元素，则赋值将失败。

现在这myid应该是您希望使用切片从令牌中删除第一个和最后一个字符的 id，即token = token[1:-1].

然后：

print myid, token
# P17544 436

关于查找的评论：

在解析文件行后查找：

lookup = {}
for line in file:
    # do steps above so you have myid, token
    lookup[myid] = token

然后lookup['P17544'] 将返回'436'

希望这更清楚...

于 2012-07-11T20:51:47.073 回答
0

听起来很容易...沿空格拆分-然后提取第五个字段...以及第六个字段中的所有数字。还是我错过了什么？

>>> tokens = "COADREAD ATF7 Missense_Mutation NGXA-AZ-3984 P17544 A436T".split()
>>> print tokens[4]
P17544
>>> print ''.join([c for c in tokens[5] if c.isdigit()])
436
于 2012-07-11T20:46:17.533 回答