删除给定句子之前的文本

Question

我正在处理一个包含大量生物数据的文件，我的输入文件看起来像，

Start
blah
blah
blah
blah
blah
5'UTR
IMPORTANT STRING
blah
blah
//

Start
blah
blah
blah
5'UTR
IMPORTANT STRING
blah
blah
blah
//

.... 以此类推，这种情况发生了大约 4k 次。现在的挑战是检查重要字符串是否包含“NO information”，如果它确实删除整个段落（从开始到 //），如果没有将整个内容写入新文件。

我面临的问题是“5'UTR”在我这样做时未被识别为关键字， 对于关键字在行 另外我似乎无法删除整个段落。 我如何在python中编写功能代码

Answer 1

我不会读取整个文件并对其执行正则表达式，而是分块读取它，一次一条记录，然后yield 它。 Yield 是 Python 仅在需要时才有效评估序列的方法。

def records(stream):
    while stream:
        lines = []
        for line in stream:
            lines.append(line)
            if line.startswith('//'):
                break
        record = ''.join(lines)
        yield record

for record in records(data):
    if "5'UTR\nNO information" not in record:
        output.write(record)

Answer 2

以下脚本将创建一个新的output.txt 文件，其中仅包含没有NO information 行的块：

with open('file.txt', 'r') as f_input, open('output.txt', 'w') as f_output:
    text = f_input.read()
    blocks = re.findall(r"^(Start.*?^\/\/\n*)", text, re.M+re.S)
    blocks = [block for block in blocks if re.search(r"5'UTR\n(?!NO information).*?\n", block, re.M+re.S)]
    f_output.write("".join(blocks))

对于您的示例，output.txt 将与输入相同。它首先创建所有块的列表。然后它会过滤掉任何具有NO information 的块，然后将所有剩余块写入一个新文件。