Question

我有几行文本（RNA序列），我想制作一个关于字符保存的矩阵，因为它们是根据相似性排列的。

但是我有几个空白（-），这实际上意味着错过整个结构（例如#- > 100）如果发生这种情况我想改变点（用于进行区分的其他符号）与发现相同数量。

我以为我可以用正则表达式做到这一点，但是我无法仅替换模式，或者当我这样做时，我会更换所有内容，但是点数不正确。

我的代码如下所示：

with alnfile as f_in:
     if re.search('-{100,}', elem,):
            elem = re.sub('-{100,}','.', elem, ) #failed alternative*len(m.groups(x)), elem)
            print len(elem)  # check if I am keeping the lenghth of my sequence
            print elem[0:100]  # check the start

            f1.write(elem)

如果我的文件是：

ONE ----(*100)atgtgca----(*20)

我得到了：

ONE ..(*100)atgtgca----(*20)

我的另一个变化只是点数，然后我得到：

ONE ....(*100)atgtgca....(*20)

我需要什么：

ONE ....(*100)atgtgca----(*20)

我知道我错过了一些东西，但我无法弄明白？是否有旗帜或其他东西可以帮助我或者允许对此进行确切更改？

Answer 1

您可以尝试以下方法：

data = "ONE " + "-" * 100 + "atgtgca" + "-" * 20
print re.sub(r'-{100,}', lambda x: '.' * len(x.group(0)), data)

这会显示：

ONE ....................................................................................................atgtgca--------------------

正则表达式替换（如果找到模式替换符号的符号）

1 个答案: