Question

我有文本文件（seq.fasta），其中包含如下序列

M1

MPMILGYWNVRGLTHPIRMLLEYTDSSYDEKRYTMGDAPDFDRSQWLNEKFKLGLDFPNL
PYLIDGSHKITQSNAILRYLARKHHLDGETEEERIRADIVENQVMDTRMQLIMLCYNPDF
EKQKPEFLKTIPEKMKLYSEFLGKRPWFAGDKVTYVDFLAYDILDQYRMFEPKCLDAFPN
LRDFLARFEGLKKISAYMKSSRYIATPIFSKMAHWSNK

我必须提取主题PXXP正好4个字符（XX可以是任何字符）。

我尝试了以下代码：

import re

infile=open("seq.fasta",'r')

out=open("out.csv",'w')

for line in infile:

   line = line.strip("\n")

   if line.startswith('>'):

      name=line

   else:

      motif = re.compile(r"(\bP{2}P\b)")

      c = line.count('motif')

      print '%s:%s' %(name,c)

      out.write('%s:%s\n' %(name,c))

但它没有找到主题。

Answer 1

试试这个：

 re.compile(r"(P..P)")

.表示任何角色。

{2}表示最后一个令牌必须重复两次（在正则表达式中，这意味着PP。

\b匹配字边界

Answer 2

您可以使用：

re.compile( r"(P[\w]{2}P)" )

或

re.compile( r"(P[A-Z]{2}P)" )

Meta \ w - 表示字母数字字符，类似于[A-Z0-9 _]

python中的正则表达式

2 个答案: