Python修剪字符串中的非标准段答案

【问题标题】：Python trimming a non-standard segment in a stringPython修剪字符串中的非标准段
【发布时间】：2014-04-26 14:01:31
【问题描述】：

如何从一长串文本中删除标题？

我有一个程序将 FASTA 文件显示为

...TCGATCATCGATCG>IonTorrenttrimmedcontig1$CCGTAGGTGAACCTGCGGAAG...

字符串很大，包含多个这样的标题

所以需要修剪的标题以 > 开头并以 $ 结尾有多个标头，从 IonTorrenttrimmedcontig1 到 IonTorrenttrimmedcontig25

我怎样才能切掉 > 和 $，删除其间的所有内容，并将前后的代码分隔成单独的列表元素？

该文件是从标准 FASTA 文件中读取的，因此我也很高兴听到有关输入步骤的可能解决方案。

【问题讨论】：

如果答案有帮助，请接受并点赞！干杯:)

标签： python regex list bioinformatics fasta

【解决方案1】：

因为它是 fasta 文件的一部分，所以你要像这样对它进行切片：

>>> import re
>>> a = "TCGATCATCGATCG>IonTorrenttrimmedcontig1$CCGTAGGTGAACCTGCGGAAG"
>>> re.split(">[^$]*\$", a)
['TCGATCATCGATCG', 'CCGTAGGTGAACCTGCGGAAG']

另外，有些人用“>ion1”切片来回答。那是完全错误的！

相信你的问题已经解决了！我也在为这个问题编辑一个带有生物信息学的标签！

【讨论】：

如果您不知道什么是 fasta 文件，并且您的示例是包含 >ion1 的字符串（因为我不想复制/粘贴），那也不是完全错误的。顺便说一句，我使用的正则表达式是">io[^$]*\$"，那为什么不行呢？（假设 user3264274 可以做一些工作并将 i 大写以匹配他的示例？
那太具体了，只适用于这种情况！甚至为什么提问者会大写 i？制作坚固耐用且适用于任何事物的东西。顺便说一句，我知道并使用 fasta 文件将近 10 年了 :) 干杯！
"字符串很大并且包含多个标题like this" 我不使用fasta文件，所以我不知道结构。但我认为提问者可以做一些工作。我不想给男人一条鱼……虽然从问题来看，很明显是来自>和$，你是对的，所以我编辑了我的答案；]
非常感谢您的帮助。看来我还有一些功课要做。完全按照描述工作并为我提供了一个很好的例子，我现在了解如何解决这样的问题。我还为自己输入了一个名字，作为展示/承诺参与这个社区的一种方式！
没问题，@Roeben！欢迎来到 Stackoverflow，这是我们学习和成长的地方 :)

【解决方案2】：

我会为此使用re 模块：

>>> s = "blablabla>ion1$foobar>ion2$etc>ion3$..."
>>> import re
>>> re.split(">[^$]*\$",s)
['blablabla', 'foobar', 'etc', '...']

如果每行有 1 个字符串：

>>> with open("foo.txt", "r") as f:
...   for line in f:
...     re.split(">[^$]*\$",line[:-1])
... 
['blablabla', 'foobar', 'etc', '...']
['fofofofofo', 'barbarbar', 'blablabla']

【讨论】：

【解决方案3】：

如果您阅读每一行，有几种方法可以做到这一点。您可以使用分区（分区返回一个包含 3 个元素的列表：[指定字符串之前的文本、指定字符串和之后的文本]）：

for line in file:
    stripped_header = line.partition(">")[2].partition("$")[0]

你可以使用拆分：

for line in file:
    stripped_header = line.spilt(">")[1].split("$")[0]

您可以遍历字符串中的所有元素，并且仅在您通过“>”之后但在“$”之前附加（但是这几乎不会那么有效）：

for line in file:
    bool = False
    stripped_header = ""
    for char in line:
        if char == ">":
            bool = True
        elif bool:
            if char != "$":
                stripped_header += char
            else:
                bool = False

或者使用正则表达式，但我的同龄人似乎已经击败了我！

【讨论】：