Question

我正在尝试处理蛋白质数据库中的文件，该文件由空格（不是\ t）分隔。我有一个.txt文件，我想提取特定的行，从那些行，我想只提取几列。

我需要在Python中完成它。我首先尝试使用命令行并使用awk命令没有问题，但我不知道如何在Python中执行相同的操作。

以下是我的文件摘录：

[...]
SEQRES   6 B   80  ALA LEU SER ILE LYS LYS ALA GLN THR PRO GLN GLN TRP          
SEQRES   7 B   80  LYS PRO                                                      
HELIX    1   1 THR A   68  SER A   81  1                                  14    
HELIX    2   2 CYS A   97  LEU A  110  1                                  14    
HELIX    3   3 ASN A  122  SER A  133  1                                  12    
[...]

例如，我只想采用'HELIX'行，然后是第4，第6，第7和第9列。我开始用for循环逐行读取文件，然后从'HELIX'开始提取那些行......这就是全部。

编辑：这是我现在的代码，但打印不能正常工作，只打印每个块的第一行（HELIX SHEET和DBREF）

#!/usr/bin/python
import sys

for line in open(sys.argv[1]):
 if 'HELIX' in line:
   helix = line.split()
 elif 'SHEET'in line:
   sheet = line.split()
 elif 'DBREF' in line:
   dbref = line.split()

print (helix), (sheet), (dbref)

Answer 1

查看CSV库。 https://docs.python.org/2/library/csv.html 以下代码应该可以解决问题

>>> import csv
>>> with open('my-file.txt', 'rb') as myfile:
...     spamreader = csv.reader(myfile, delimiter=' ', )
...     for row in spamreader:
...         print row[3]

Answer 2

如果您已经提取了该行，则可以使用line.split()拆分该行。这将为您提供一个列表，您可以从中提取所需的所有元素：

>>> test='HELIX 2 2 CYS A 97'
>>> test.split()
['HELIX', '2', '2', 'CYS', 'A', '97']
>>> test.split()[3]
'CYS'

Answer 3

有没有理由你不能只使用拆分？

for line in open('myfile'):
  if line.startswith('HELIX')
    cols = line.split(' ')
    process(cols[3], cols[5], cols[6], cols[8])

Answer 4

您可以根据需要使用关键词。结果是列表包含关键字的行你可以做进一步的结果处理来得到你想要的东西

with open("your file") as f:
     keyWords = ['HELIX','SHEET','DBREF']
     result = [ line  for line in f for key in keyWords if key in line]

如何从Python中的空格分隔文件中提取特定列？

4 个答案: