Question

我有一个g.out文件（粘贴在下面）。

此文件包含我想要提取的几个FINAL OPTIMIZED几何图形。

对于给定的FINAL OPTIMIZED GEOMETRY，这些突出显示的值是我想要提取的值：

我已在下面的程序中设法提取前三个：VOLUME和A以及B：

我的代码：

import os
import sys
import re

initial_pattern = '^ FINAL OPTIMIZED GEOMETRY - DIMENSIONALITY OF THE SYSTEM      3$'
middle_pattern = '^ CRYSTALLOGRAPHIC CELL '
end_pattern = '^ T = ATOM BELONGING TO THE ASYMMETRIC UNIT$'


VOLUMES = []
P0 = []
P2 = []
atomic_number = []
coord_x = []
coord_y = []
coord_z = []

with open('g.out') as file:
    for line in file:
        if re.match(initial_pattern, line):
            print file.next()
            print file.next()
            print file.next()

            volume_line = file.next()
            print volume_line
            aux = volume_line.split()
            each_volume = aux[7]
            print each_volume
            VOLUMES.append(each_volume)

        if re.match(middle_pattern, line):
            print line

            print file.next()
            parameters_line = file.next()
            aux = parameters_line.split()
            p0 = aux[0]
            p1 = aux[1]
            p2 = aux[2]
            p3 = aux[3]
            p4 = aux[4]
            p5 = aux[5] # 

            print p0
            print p2

            P0.append(p0)
            P2.append(p2)

            print file.next()
            print file.next()
            print file.next()
            print file.next()

            first_coord_line = file.next()
            print first_coord_line

        if re.match(end_pattern, line):
            end_pattern = line
            print end_pattern
            all_coordinates =  [first_coord_line:end_pattern]
            for line in all_coordinates:
              del('F ')             # delete those that contain 'F '
              aux2 =  line.split()
              coords = []


sys.exit()
#Template = 
"""
some stuff
other stuff
p0      p2
3
A    B        C         D
E    F        G         H
I    J        K         L
other stuff
some other stuff
"""

我无法提取COORDINATES，因为我找不到从first_coord_line到end_pattern切片的方法，就像在这个伪代码中一样：

if re.match(end_pattern, line):
    end_pattern = line
    print end_pattern
    all_coordinates =  [first_coord_line:end_pattern]
    for line in all_coordinates:
      del('F ')             # delete those that contain 'F '
      aux2 =  line.split()  # split lines
      atomic_number = aux2[2]
      coord_x = aux2[4]
      coord_y = aux2[5]
      coord_z = aux2[6]

有没有办法实现这个伪代码？

在我的代码中，VOLUMES，P0，P2，atomic_number，coord_x，coord_y coord_z已初始化为列表因为在结束for循环之前我想保存在不同的文件中，以“VOLUME。inp”的名称命名，这个信息：

#Template = 
"""
some stuff
other stuff
p0      p2
3
A    B        C         D
E    F        G         H
I    J        K         L
other stuff
some other stuff
"""

其中p0和p2是我的代码中提取的值（屏幕截图中的第2和第3个突出显示的值），而A - L是{{1 }}和atomic_number，coord_x，coord_y。

有没有办法实现这个目标？

coord_z文件：

g.out

更新代码：

基于@nos flag的方法，以下代码能够提取信息。 more lines more lines more lines FINAL OPTIMIZED GEOMETRY - DIMENSIONALITY OF THE SYSTEM 3 (NON PERIODIC DIRECTION: LATTICE PARAMETER FORMALLY SET TO 500) ******************************************************************************* LATTICE PARAMETERS (ANGSTROMS AND DEGREES) - BOHR = 0.5291772083 ANGSTROM PRIMITIVE CELL - CENTRING CODE 7/0 VOLUME= 119.823364 - DENSITY 2.770 g/cm^3 A B C ALPHA BETA GAMMA 6.28373604 6.28373604 6.28373604 46.646397 46.646397 46.646397 ******************************************************************************* ATOMS IN THE ASYMMETRIC UNIT 3 - ATOMS IN THE UNIT CELL: 10 ATOM X/A Y/B Z/C ******************************************************************************* 1 T 20 CA 0.000000000000E+00 0.000000000000E+00 0.000000000000E+00 2 F 20 CA -5.000000000000E-01 -5.000000000000E-01 -5.000000000000E-01 3 T 6 C 2.500000000000E-01 2.500000000000E-01 2.500000000000E-01 4 F 6 C -2.500000000000E-01 -2.500000000000E-01 -2.500000000000E-01 5 T 8 O -4.924094276183E-01 -7.590572381674E-03 2.500000000000E-01 6 F 8 O 2.500000000000E-01 -4.924094276183E-01 -7.590572381674E-03 7 F 8 O -7.590572381674E-03 2.500000000000E-01 -4.924094276183E-01 8 F 8 O 4.924094276183E-01 7.590572381674E-03 -2.500000000000E-01 9 F 8 O -2.500000000000E-01 4.924094276183E-01 7.590572381674E-03 10 F 8 O 7.590572381674E-03 -2.500000000000E-01 4.924094276183E-01 TRANSFORMATION MATRIX PRIMITIVE-CRYSTALLOGRAPHIC CELL 1.0000 0.0000 1.0000 -1.0000 1.0000 1.0000 0.0000 -1.0000 1.0000 ******************************************************************************* CRYSTALLOGRAPHIC CELL (VOLUME= 359.47009054) A B C ALPHA BETA GAMMA 4.97568007 4.97568007 16.76591397 90.000000 90.000000 120.000000 COORDINATES IN THE CRYSTALLOGRAPHIC CELL ATOM X/A Y/B Z/C ******************************************************************************* 1 T 20 CA 0.000000000000E+00 0.000000000000E+00 0.000000000000E+00 2 F 20 CA -5.491739570355E-17 -2.745869785177E-17 -5.000000000000E-01 3 T 6 C 3.333333333333E-01 -3.333333333333E-01 -8.333333333333E-02 4 F 6 C -3.333333333333E-01 3.333333333333E-01 8.333333333333E-02 5 T 8 O -4.090760942850E-01 -3.333333333333E-01 -8.333333333333E-02 6 F 8 O 3.333333333333E-01 -7.574276095166E-02 -8.333333333333E-02 7 F 8 O 7.574276095166E-02 4.090760942850E-01 -8.333333333333E-02 8 F 8 O 4.090760942850E-01 3.333333333333E-01 8.333333333333E-02 9 F 8 O -3.333333333333E-01 7.574276095166E-02 8.333333333333E-02 10 F 8 O -7.574276095166E-02 -4.090760942850E-01 8.333333333333E-02 T = ATOM BELONGING TO THE ASYMMETRIC UNIT INFORMATION **** fort.34 **** GEOMETRY OUTPUT FILE more lines more lines more lines FINAL OPTIMIZED GEOMETRY - DIMENSIONALITY OF THE SYSTEM 3 (NON PERIODIC DIRECTION: LATTICE PARAMETER FORMALLY SET TO 500) ******************************************************************************* LATTICE PARAMETERS (ANGSTROMS AND DEGREES) - BOHR = 0.5291772083 ANGSTROM PRIMITIVE CELL - CENTRING CODE 7/0 VOLUME= 121.143469 - DENSITY 2.740 g/cm^3 A B C ALPHA BETA GAMMA 6.32229536 6.32229536 6.32229536 46.436583 46.436583 46.436583 ******************************************************************************* ATOMS IN THE ASYMMETRIC UNIT 3 - ATOMS IN THE UNIT CELL: 10 ATOM X/A Y/B Z/C ******************************************************************************* 1 T 20 CA 0.000000000000E+00 0.000000000000E+00 0.000000000000E+00 2 F 20 CA 5.000000000000E-01 -5.000000000000E-01 -5.000000000000E-01 3 T 6 C 2.500000000000E-01 2.500000000000E-01 2.500000000000E-01 4 F 6 C -2.500000000000E-01 -2.500000000000E-01 -2.500000000000E-01 5 T 8 O -4.927088991116E-01 -7.291100888437E-03 2.500000000000E-01 6 F 8 O 2.500000000000E-01 -4.927088991116E-01 -7.291100888437E-03 7 F 8 O -7.291100888437E-03 2.500000000000E-01 -4.927088991116E-01 8 F 8 O 4.927088991116E-01 7.291100888437E-03 -2.500000000000E-01 9 F 8 O -2.500000000000E-01 4.927088991116E-01 7.291100888437E-03 10 F 8 O 7.291100888437E-03 -2.500000000000E-01 4.927088991116E-01 TRANSFORMATION MATRIX PRIMITIVE-CRYSTALLOGRAPHIC CELL 1.0000 0.0000 1.0000 -1.0000 1.0000 1.0000 0.0000 -1.0000 1.0000 ******************************************************************************* CRYSTALLOGRAPHIC CELL (VOLUME= 363.43040599) A B C ALPHA BETA GAMMA 4.98494429 4.98494429 16.88768068 90.000000 90.000000 120.000000 COORDINATES IN THE CRYSTALLOGRAPHIC CELL ATOM X/A Y/B Z/C ******************************************************************************* 1 T 20 CA 0.000000000000E+00 0.000000000000E+00 0.000000000000E+00 2 F 20 CA -5.471726358381E-17 -2.735863179191E-17 -5.000000000000E-01 3 T 6 C 3.333333333333E-01 -3.333333333333E-01 -8.333333333333E-02 4 F 6 C -3.333333333333E-01 3.333333333333E-01 8.333333333333E-02 5 T 8 O -4.093755657782E-01 -3.333333333333E-01 -8.333333333333E-02 6 F 8 O 3.333333333333E-01 -7.604223244490E-02 -8.333333333333E-02 7 F 8 O 7.604223244490E-02 4.093755657782E-01 -8.333333333333E-02 8 F 8 O 4.093755657782E-01 3.333333333333E-01 8.333333333333E-02 9 F 8 O -3.333333333333E-01 7.604223244490E-02 8.333333333333E-02 10 F 8 O -7.604223244490E-02 -4.093755657782E-01 8.333333333333E-02 T = ATOM BELONGING TO THE ASYMMETRIC UNIT INFORMATION **** fort.34 **** GEOMETRY OUTPUT FILE more lines more lines more lines是2个元素的列表。以下列表是结果：

VOLUMES

这篇文章的第二部分是撰写此信息（VOLUMES = ['119.823364', '121.143469'] P0 = ['4.97568007', '4.98494429'] P2 = ['16.76591397', '16.88768068'] Xs = ['0.000000000000E+00', '3.333333333333E-01', '-4.090760942850E-01', '0.000000000000E+00', '3.333333333333E-01', '-4.093755657782E-01'] Ys = ['0.000000000000E+00', '-3.333333333333E-01', '-3.333333333333E-01', '0.000000000000E+00', '-3.333333333333E-01', '-3.333333333333E-01'] Zs = ['0.000000000000E+00', '-8.333333333333E-02', '-8.333333333333E-02', '0.000000000000E+00', '-8.333333333333E-02', '-8.333333333333E-02'] ATOMIC_NUMBERS = ['20', '6', '8', '20', '6', '8']，P0，P2，ATOMIC_NUMBERS，Xs，Ys ）在两个Zs文件中。换句话说，比如：

VOLUME.inp档案：

V_119.823364.inp

some stuff other stuff 4.97568007 4.98494429 3 20 0.000000000000E+00 0.000000000000E+00 0.000000000000E+00 6 3.333333333333E-01 -3.333333333333E-01 -8.333333333333E-02 8 -4.090760942850E-01 -3.333333333333E-01 -8.333333333333E-02 other stuff档案：

V_121.143469.inp

基于@nos的some stuff other stuff 4.97568007 4.98494429 3 20 0.000000000000E+00 0.000000000000E+00 0.000000000000E+00 6 3.333333333333E-01 -3.333333333333E-01 -8.333333333333E-02 8 -4.093755657782E-01 -3.333333333333E-01 -8.333333333333E-02 other stuff和atoms_per_frame建议，我尝试了以下代码。我发现在文件中按元素编写有困难，即：

atoms_all_frames

Answer 1

有很多方法可以做到这一点。最重要的是要区分你是否已经通过了mid_pattern，因为在它之前和之后都存在相同的坐标模式，并且只有它之后才需要。

例如，你可以

设置一个标记，以便我们知道mid_pattern已匹配

在end_pattern匹配

分支

passed_mid_point = False
...
if re.match(middle_pattern, line):
    passed_mid_point = True
    # do what you need
    ...
if re.match(end_pattern, line):
    passed_mid_point = False # so you can process a new frame
    # do what you need after end pattern is matched
    ...
elif passed_mid_point:
    # parse the coordinates
    terms = line.split()
    if terms and terms[1] == 'T':
        x = float(terms[4])
        y = float(terms[5])
        z = float(terms[6])

或者，您可以标记和匹配，如下所示：

    passed_mid_point = False
    coord_patter = r'      \d+ T '
    ...
    if re.match(middle_pattern, line):
        passed_mid_point = True
        # do what you need
        ...
    if re.match(end_pattern, line):
        passed_mid_point = False # so you can process a new frame
        # do what you need after end pattern is matched
        ...
    if passed_mid_point and re.match(coord_pattern, line):
        # parse the coordinates
        terms = line.split()
        if terms and terms[1] == 'T':
            x = float(terms[4])
            y = float(terms[5])
            z = float(terms[6])

坐标匹配也可以在正则表达式中完全完成

sci_num = r'-?\d+\.\d*E[+\-]\d+'
coord_pattern = r'\s+\d+\sT\s+\d+\s+[A-Z]+\s+(%s)\s+(%s)\s+(%s)' % (sci_num, sci_num, sci_num)
coord_re = re.compile(coord_pattern)
if coord_re.match(line):
    x = float(coord_re.group(1))
    y = float(coord_re.group(2))
    z = float(coord_re.group(3))

为了记录数据，最好跟踪原子坐标所属的帧。例如，您可以在开头创建atom_frames。并保持附加原子坐标列表，其中每个列表对应一个帧。总的来说，它看起来像这样

atom_frames = []
for i in range(50): # here I assume 50 frames
    current_frame = []
    for a in atoms_in_this_frame:
        current_frame.append(a)  # a could be (x, y, z) of an atom
    atom_frames.append(current_frame)

这里我只是循环帧计数。在您的情况下，您可以在点击current_frame = []时创建mid_pattern。点击atom_frames.append(current_frame)时end_pattern。希望它有意义。

切片行并将参数保存到不同的文件中

1 个答案: