在python中将字节类型文件转换为可用格式答案

【问题标题】：Converting byte type file to workable format in python在python中将字节类型文件转换为可用格式
【发布时间】：2020-04-22 09:09:20
【问题描述】：

我必须将下面链接（html 页面）中的表格读入 dict() 中，然后进行处理。但是，使用我给出的以下代码，该表仍然看起来很笨拙，我不明白从哪里开始工作以使其成为相应氨基酸的密码子序列（例如 AGU）字典。有什么办法让它看起来更好吗？可能类似于 DataFrame 或任何其他建议？请帮忙。谢谢。

link = "http://www.kazusa.or.jp/codon/cgi-bin/showcodon.cgi?species=9606&aa=1&style=N"
f = urllib.request.urlopen(link)
myfile = f.read()
s = myfile.decode()
s.strip(" ")

【问题讨论】：

收到的原始数据和期望的输出是什么？举一些例子，向我们展示你迄今为止为处理数据所做的尝试！
原始数据只是那个html链接。我必须用它制作字典。上面我编写的代码是为了在 jupyter notebook 中打开数据并最终将其转换为“str”类。它是一个很大的段落。我只是想知道是否有更好的方法来打开和管理它。
在 Stack Overflow 上，与问题相关的所有内容都必须包含在问题本身中。没有链接，也没有截图。
很抱歉，我的任务是只处理这个 html 文件，因此我提供了那个链接。

标签： python class byte sequence analysis

【解决方案1】：

如果您查看过http://www.kazusa.or.jp/codon/cgi-bin/showcodon.cgi?species=9606&aa=1&style=N 页面，您会注意到它不仅包含您想要的密码子序列，还包含大量围绕它的HTML。要仅提取密码子，最好的方法可能是使用 BeautifulSoup：

from bs4 import BeautifulSoup
link = "http://www.kazusa.or.jp/codon/cgi-bin/showcodon.cgi?species=9606&aa=1&style=N"
f = urllib.request.urlopen(link)
myfile = f.read()
s = myfile.decode()
codons = BeautifulSoup(s).find('pre').text

现在你可能应该进一步处理这个字符串以获得你想要的形式 - 字典、列表、数据框等等。假设您只想要一个字典，因为您提到了字典：

import re
codons_dict = { t[0]: t[1] for t in sorted(re.findall(r'(\w{3})\s+\w\s+(\S+)\s+\S+\s+[(]\d+[)]', codons)) }

【讨论】：

你太棒了。我昨天花了一整天才弄清楚。没有提到“BeautifulSoup”。感谢您的指导。
嗨..如果我想打印 html 页面第一列和第三列中给出的密码子和概率怎么办？我还需要所有 64 个密码子（三联体），即使是那些形成氨基酸的密码子都用 (*) 表示。我给出的代码为 -"{ t[0]: t[2] for t in re.findall(r'(\w{3})\s+(\w)*(\W+)', codons) } " 但只打印密码子，而不是使用此代码的概率。请帮忙。
将\w 更改为\S 以匹配任何非空格字符（不仅仅是字母），包括*。
不工作。我想要这样的字典.."GCG': '0.11', 'GAG': '0.58', 'GGG': '0.25', 'UAA': '0.30'" 其中 "UAA" 有 * 但仍然是与其他人一起被收录在字典中。我的代码给出了这样的内容-“GCG'：''，'GAG'：''，'GGG'：''，'UAA'：“*”。
看看修改后的答案（只是最后一行）。