在python 2.7.5中从文本文件中提取字符串

您好，我是python新手，希望您能帮助我。我有一个文本文件（称之为data.txt），其中包含基因编号的数据，以及相应的rs编号和一些距离度量。数据如下所示：

   rs1982171     55349     40802

   rs6088650     55902     38550

   rs1655902     3105      12220

   rs1013677     55902      0

    rs6088650    55902     38550

    rs1655902    3105      12220

    rs1013677    55902     0

其中第一列是rs编号，第二列是基因编号，第三列是距离度量。数据要大得多，但希望上面的内容能让您了解数据集。我想做的是找到与某个基因相对应的所有rs编号。例如，对于上面的数据集，基因55902={rs6088650，rs1013677}。理想情况下，我希望我的代码能够找到与给定基因对应的所有rs编号。由于我现在无法做到这一点，因此我编写了一个简短的代码，给出data.txt文件中包含字符串“55902”的行：

  import re
  data=open("data.txt","r")
  for line in data:
      line=line.rstrip()
      if re.search("55902",line):
      print line

此代码的问题在于输出类似于：

   rs1982171     55349     40802

   rs6088650     55902     38550

   rs1655902     3105      12220

   rs1013677     55902      0

    rs6088650    55902     38550

    rs1655902    3105      12220

    rs1013677    55902     0

我希望我的代码忽略rs号码中的字符串“55902”。换句话说，我不需要我的代码来输出上面输出的第二行，因为基因号不是55902。我希望我的输出是：

       rs6088650     55902   38550

       rs1013677     55902   0

如何修改上述代码以实现我的目标。任何帮助都将不胜感激。提前谢谢

您可以使用，来匹配整词搜索：

>>> import re
>>> re.search(r"\b55902\b", "rs1655902     3105      12220")
>>> re.search(r"\b55902\b", "rs6088650     55902     38550")
<_sre.SRE_Match object at 0x7f82594566b0>

---

使用功能更强大的正则表达式可以轻松地实现这一点。一种可能的快速解决方案是使用以下格式的正则表达式：

r'\b55902\b'

---

\b

是单词边界。

这里不需要正则表达式，因为您只需要一个简单的静态序列。这一行：

if re.search("55902",line):

可以表示为：

if "55902" in line:

如果只想检查第二列，请先拆分该行：

if '55902' in line.split()[1]:

由于您现在已经检查了正确的列，请检查是否相等，而不是成员资格：

if line.split()[1] == '55902':

---

如果要使用

regex

，则可以使用

match

或

search

以及单词boundary

\b

作为

x = "   rs1982171     55349     40802".strip()

if (re.match(r"\b55349\b", x.split()[1])):
    print x

---

根据您想收集多少不同基因的rs编号，您最好将所有数据放到

数据框中进行分析。谢谢您的建议！