0

我需要帮助 Ruby 中的正则表达式失败，我不知道为什么。我正在使用 Ruby 从大型生物数据库中获取部分文本，该数据库具有以下结构（为简单起见，我将仅显示两项）：

//
ID   IPI00303292.1         IPI;      PRT;   538 AA.
AC   IPI00303292;
DR   Superfamily; SSF48371; ARM; 1.
DR   UniProt/Swiss-Prot; P52294; IMA1_HUMAN; M.
DR   CleanEx; HS_KPNA1; -; -.
//
ID   IPI00301082.1         IPI;      PRT;   309 AA.
AC   IPI00301082;
DT   06-JUN-2003 (IPI Human rel. 2.20, Created)
//

即数据库条目以包含IPI 代码的行开始，并以双正斜杠结束。我想检索与特定 IPI 代码相关的信息。假设我只想获取IPI00303292.1从 IPI 代码到以下内容的文本行//。

正则表达式的 Rubular 测试/(IPI00303292\.1).*\/\//m抓取整个显示的文本（即两个条目），识别最后一个//，同时跳过两者之间的第二个。

更新： 嗨，根据您的宝贵建议，我想我已经接近为我的目的获得可用的程序了。代码是：

matches = []
no_matches = []

ipi = File.open('mini_alphaIPI.txt').collect do | var | # read the file containing IPI search codes
    var = var.chomp 

db = File.open('mini_human.dat') # read the file containing IPI data

db.readlines.map(&:chomp).slice_before(%r(\A//)).each do |db_record|
  db_record.shift
  next if db_record.empty?

matches.push(db_record) if db_record.first.include?(var)

if db_record.first.include?(var)  then
    matches.push(db_record)
    else
    no_matches.push(var)
end
end
end

File.open('out_raw.txt', "wb") do |file|
     matches.each do |z|
      file.puts z
  end
end

现在要解决的最后一个问题是，我在正确选择的正面命中的输出文件中获得了两个副本。我无法摆脱这样的错误。请帮忙 。

4

3 回答 3

1

Ruby 配备了slice_before一个很好的工具来解决这类问题：

require 'pp'

DATA.readlines.slice_before(%r(\A//)).each do |db_record|
  pp db_record
end

__END__
//
ID   IPI00303292.1         IPI;      PRT;   538 AA.
AC   IPI00303292;
DR   Superfamily; SSF48371; ARM; 1.
DR   UniProt/Swiss-Prot; P52294; IMA1_HUMAN; M.
DR   CleanEx; HS_KPNA1; -; -.
//
ID   IPI00301082.1         IPI;      PRT;   309 AA.
AC   IPI00301082;
DT   06-JUN-2003 (IPI Human rel. 2.20, Created)
//

运行代码输出：

["//\n",
 "ID IPI00303292.1 IPI；PRT；538 AA。\n",
 "AC IPI00303292;\n",
 "DR 超家族；SSF48371；ARM；1.\n",
 "DR UniProt/Swiss-Prot；P52294；IMA1_HUMAN；M.\n",
 "DR CleanEx；HS_KPNA1；-；-。\n"]
["//\n",
 "ID IPI00301082.1 IPI；PRT；309 AA。\n",
 "AC IPI00301082;\n",
 "DT 06-JUN-2003 (IPI Human rel. 2.20, Created)\n"]
["//\n"]

它扫描一个数组，在出现与模式匹配的行时将其中断，在这种情况下，模式是%r(\A//)，或者在英语中，“以两个正斜杠开头的行”。生成的数组数组将是由 分隔的每组记录//。

请注意，这些行有尾随的换行符。可以使用以下方法修复：

DATA.readlines.map(&:chomp).slice_before(%r(\A//)).each do |db_record|

如果要跳过第一个子数组//条目，请使用：

pp db_record[1..-1]

或者：

db_record.shift
pp db_record

清理后代码如下：

require 'pp'

DATA.readlines.map(&:chomp).slice_before(%r(\A//)).each do |db_record|
    db_record.shift
    pp db_record
end

运行它看起来像：

["ID IPI00303292.1 IPI；PRT；538 AA。",
 "AC IPI00303292;",
 “DR 超家族；SSF48371；ARM；1.”，
 "DR UniProt/Swiss-Prot；P52294；IMA1_HUMAN；M.",
 “DR CleanEx；HS_KPNA1；-；-。”]
["ID IPI00301082.1 IPI；PRT；309 AA。",
 "AC IPI00301082;",
 “DT 06-JUN-2003（IPI Human rel. 2.20，已创建）”]
[]

两次调整，你就完成了：

DATA.readlines.map(&:chomp).slice_before(%r(\A//)).each do |db_record|
  db_record.shift
  next if db_record.empty?

  pp db_record if db_record.first['IPI00303292.1']

end

哪个输出：

["ID IPI00303292.1 IPI；PRT；538 AA。",
 "AC IPI00303292;",
 “DR 超家族；SSF48371；ARM；1.”，
 "DR UniProt/Swiss-Prot；P52294；IMA1_HUMAN；M.",
 “DR CleanEx；HS_KPNA1；-；-。”]
于 2013-01-25T16:28:46.763 回答
1

这是使用贪心量词引起的典型问题*。请改用非贪婪量词*?。

于 2013-01-25T16:01:29.417 回答
0
  • 项目清单

在这种情况下，正则表达式方法非常困难，我认为问题.还在于匹配/。

几乎用这个正则表达式实现了它：

%r{
  //\n                  # Match '//' and new line
  (?<item>              # Capture the item...
    [\n\w\s.,;\-\(\)]+  # And here comes the !"#%&@ł
  )                     # You need this to match a single appearance of '/' 
}x                      # e.g., not '//', and partial regex negation is a bit tricky...

split('//')但是，从那里开始使用并继续该过程会容易得多。

DATA.split('//').each do |item|
  item.each_line do |line|
    # etc
  end
end

你好：这工作http://rubular.com/r/kH12xUyxR9

%r{
  (//)?\n
  (?<item>.+?)
  \n//
}xm

但这只是出于好奇，说真的，只需使用split('//').

于 2013-01-25T18:39:16.380 回答