Question

我有一个包含以下行DDD-1126N|refseq:NP_285726|uniprotkb:P00112和DDD-1081N|uniprotkb:P12121的大文件，我想在uniprotkb之后获取该号码。

这是我的代码：

x = 'uniprotkb:P'
f = open('m.txt')
for line in f:
  print line.find(x) 
  print line[36:31 + len(x)]

line.find(x)中的问题是10和26，当它是26时我抓住完整的数字。我是编程的新手，所以我正在寻找一些东西来获取完整的数字。< / p>

x = 'uniprotkb:'
f = open('m.txt')
for line in f:
  if x in line:
    print the number after x

Answer 1

使用正则表达式：

import re
for line in open('m.txt'):
    match = re.search('uniprotkb:P(\d+)', line)
    if match:
        print match.group(1)

Answer 2

import re
regex = re.compile('uniprotkb:P([0-9]*)')
print regex.findall(string)

Answer 3

如果 re是静态的并且始终匹配每行末尾的子字符串（例如x），那么{strong} {<1}}模块是非常不必要的。< / p>

"DDD-1126N|refseq:NP_285726|uniprotkb:P00112"

修改回答你的评论。如果它们用竖线字符（x = 'uniprotkb:' f = open('m.txt') for line in f: if x in line: print line[line.find(x)+len(x):]）分隔，那么你可以这样做：

|

如果m.txt包含以下行：

sep = "|" x = 'uniprotkb:' f = open('m.txt') for line in f: if x in line: matches = [l[l.find(x)+len(x):] for l in line.split(sep) if l[l.find(x)+len(x):]] print matches

然后上面会输出：

DDD-1126N|uniprotkb:285726|uniprotkb:P00112

将['285726', 'P00112']替换为列分隔符。

Answer 4

嗯，首先我建议您使用csv module来读取TSV文件。

但通常，您可以使用正则表达式：

import re
regex = re.compile(r"(?<=\buniprotkb:)\w+")
for line in f:
    match = regex.search(line)
    if match: 
        print match.group()

正则表达式匹配一串字母数字字符（如果它前面有uniprotkb:。

如何在python中单词获取数字

4 个答案: