Question

我有一个巨大的文件，标签分隔0-10行。我的问题是，如何忽略缺少空行[4]的整行？我的输入文件，

1 GRMZM2G052619_P03 10 56       a b c d e y        
2 GRMZM5G888620_P01 23 67 go:89 f g h k l m     
3 GRMZM5G886789_P02 45 89       o p r s t w

所以，我的最终输出应该是这样的，

2 GRMZM5G888620_P01 23 67 go:89 f g h k l m

import re
f=open('input.txt','r') 
r=open('output.txt','w')
lines=f.readlines() 
for line in lines:
   new_list=re.split(r'\t+',line)
   go_acc=new_list[4]
   if go_acc != '':
       r.writelines(line)
f.close()
r.close()

如果go_acc！=＆＃39;＆＃39;：

，我认为此行有问题

Answer 1

如果没有11个字段，则跳过行（使用continue）。

for line in lines:
    new_list=re.split(r'\t+',line)
    if len(new_list) != 11: # <------
        continue            # <------
    go_acc=new_list[4]
    if go_acc != '':
        r.write(line)

Answer 2

这里的问题是，由于您正在使用正则表达式\t+拆分行，因此生成的字符串列表将不包含任何空字符串 - 这些“空”字段将被简单地跳过。例如，第一行将被解析为["1", "GRMZM2G052619_P03", "10", "56", "a", "b", "c", "d", "e", "y"]，因此索引4处的项目不是''而是"a"。

我认为在这种情况下更好的方法是实际尝试匹配您正在寻找的东西。例如，如果索引4处的可选事项是go:XX，其中XX是某个数字，那么您可以执行以下操作：

import re

f=open('input.txt','r') 
r=open('output.txt','w')

for line in f.readlines():
    if re.search(r'go:\d+', line):
        r.write(line + "\n")

f.close()
r.close()

如何忽略缺少数据的行

2 个答案: