如何在Python中检查列表元素是否包含正则表达式?
我有一个关于序列的文件。每个序列都有一些行。序列由五条白线分隔。我想将文件更改为一个列表,并将其拆分为5个换行符。所以我有一个列表,每个序列都是一个元素。然后我想删除不包含正则表达式的序列。最后,我想要一个列表,其中只包含包含正则表达式的序列 现在我有了这个。有人能进一步帮助我吗如何在Python中检查列表元素是否包含正则表达式?,python,regex,list,Python,Regex,List,我有一个关于序列的文件。每个序列都有一些行。序列由五条白线分隔。我想将文件更改为一个列表,并将其拆分为5个换行符。所以我有一个列表,每个序列都是一个元素。然后我想删除不包含正则表达式的序列。最后,我想要一个列表,其中只包含包含正则表达式的序列 现在我有了这个。有人能进一步帮助我吗 import re def main(): ReadFile() file = open ("filename.txt", "r") CreateList(file, data) Reg
import re
def main():
ReadFile()
file = open ("filename.txt", "r")
CreateList(file, data)
RegEx(file, data)
def ReadFile()
try:
file = open ("filename.txt", "r")
except IOError:
print ("Can't open the file")
except:
print ("Something went wrong.")
def CreateList(file, data)
data = file.readlines()
data = data.split('\n\n\n\n\n')
def RegEx(file, data)
regex = ("[AG].{4}GK[ST]")
for element in data:
if regex not in element:
data.remove(element)
print (data)
main()
文件看起来像:
Hits for PS00017|ATP_GTP_A (pattern) ATP/GTP-binding site motif A (P-loop) : [occurs frequently]
Pattern: [AG]-x(4)-G-K-[ST]
Approximate number of expected random matches in ~ 100'000 sequences (50'000'000 residues): 3371
>sp|Q6GZX2|003R_FRG3G (438 aa)
Uncharacterized protein 3R. [Frog virus 3 (isolate Goorha) (FV-3)]
MARPLLGKTSSVRRRLESLSACSIFFFLRKFCQKMASLVFLNSPVYQMSNILLTERRQVDRAMGGSDDDGVMVVALSPSD
FKTVLGSALLAVERDMVHVVPKYLQTPGILHDMLVLLTPIFGEALSVDMSGATDVMVQQIATAGFVDVDPLHSSVSWKDN
VSCPVALLAVSNAVRTMMGQPCQVTLIIDVGTQNILRDLVNLPVEMSGDLQVMAYTKDPLGKVPAVGVSVFDSGSVQKGD
AHSVGAPDGLVSFHTHPVSSAVELNYHAGWPSNVDMSSLLTMKNLMHVVVAEEGLWTMARTLSMQRLTKVLTDAEKDVMR
AAAFNLFLPLNELRVMGTKDSNNKSLKTYFEVFETFTIGALMKHSGVTPTAFVDRRWLDNTIYHMGFIPWGRDMRFVVEY
DLDGTNPFLNTVPTLMSVKRKAKIQEMFDNMVSRMVTS
2 - 9: ArpllGKT
>sp|Q6GZX1|004R_FRG3G (60 aa)
Uncharacterized protein 004R. [Frog virus 3 (isolate Goorha) (FV-3)]
MNAKYDTDQGVGRMLFLGTIGLAVVVGGLMAYGYYYDGKTPSSGTSFHTASPSFSSRYRY
33 - 40: GyyydGKT
>sp|Q6GZW0|015R_FRG3G (322 aa)
Uncharacterized protein 015R. [Frog virus 3 (isolate Goorha) (FV-3)]
MEQVPIKEMRLSDLRPNNKSIDTDLGGTKLVVIGKPGSGKSTLIKALLDSKRHIIPCAVVISGSEEANGFYKGVVPDLFI
YHQFSPSIIDRIHRRQVKAKAEMGSKKSWLLVVIDDCMDNAKMFNDKEVRALFKNGRHWNVLVVIANQYVMDLTPDLRSS
VDGVFLFRENNVTYRDKTYANFASVVPKKLYPTVMETVCQNYRCMFIDNTKATDNWHDSVFWYKAPYSKSAVAPFGARSY
WKYACSKTGEEMPAVFDNVKILGDLLLKELPEAGEALVTYGGKDGPSDNEDGPSDDEDGPSDDEEGLSKDGVSEYYQSDL
DD
34 - 41: GkpgsGKS',
>sp|P32234|128UP_DROME (368 aa)
GTP-binding protein 128up. [Drosophila melanogaster (Fruit fly)]
MSTILEKISAIESEMARTQKNKATSAHLGLLKAKLAKLRRELISPKGGGGGTGEAGFEVAKTGDARVGFVGFPSVGKSTL
LSNLAGVYSEVAAYEFTTLTTVPGCIKYKGAKIQLLDLPGIIEGAKDGKGRGRQVIAVARTCNLIFMVLDCLKPLGHKKL
LEHELEGFGIRLNKKPPNIYYKRKDKGGINLNSMVPQSELDTDLVKTILSEYKIHNADITLRYDATSDDLIDVIEGNRIY
IPCIYLLNKIDQISIEELDVIYKIPHCVPISAHHHWNFDDLLELMWEYLRLQRIYTKPKGQLPDYNSPVVLHNERTSIED
FCNKLHRSIAKEFKYALVWGSSVKHQPQKVGIEHVLNDEDVVQIVKKV
71 - 78: GfpsvGKS
数据应为(但仅包含正则表达式的蛋白质):
(再次)更新新要求
Regex1(将文本文件拆分为蛋白质列表:)
Regex2(显示它们都匹配的正则表达式)
(再次)更新新要求
Regex1(将文本文件拆分为蛋白质列表:)
Regex2(你的regex显示它们都匹配)你能发布文件的外观和你希望最终结果的外观吗现在显示你希望打印(数据)的外观吗,但是只有包含正则表达式的蛋白质。好的,我几分钟后会有一个答案。你能发布文件的外观和你希望最终结果的外观吗?现在显示你希望打印(数据)的外观也显示出来,但是只有包含正则表达式的蛋白质。好的,我几分钟后会有一个答案谢谢这个脚本!现在正则表达式工作了,我得到了含有这个RE的蛋白质。但是,在这之后,我必须对所有含有RE的蛋白质做些别的事情,所以它应该在一个列表中。(从每个含有该RE的蛋白质中,我必须打印加入代码(在>sp后面的6个标记)和生物体(第二行中“()”之间的第一个信息).那么,你的脚本是否也可以列出蛋白质的列表?这样以后就更容易了。我会根据你的需要修改它,你能给我一个第一个加入代码应该是什么样的例子吗?第一个加入标记是:Q6GZX2现在看一看,我想这应该会给你你想要的东西,只要表单at永远都是sameThanks!是的,的确,第一个加入代码应该是Q6GZX2。第一个生物体/物种应该是“孤立古尔哈”。好的,我添加了一个字符,它现在打印(孤立古尔哈)而不是(孤立古尔哈)(fv-3)感谢这个脚本!现在正则表达式工作了,我得到了包含这个RE的蛋白质。但是,在这之后,我必须对所有包含RE的蛋白质做一些其他的事情,所以它应该在一个列表中。(从每个包含这个RE的蛋白质中,我必须打印加入代码(在>sp之后的6个标记)和生物体(在()在第二行).那么,你的脚本是否也可以列出蛋白质的列表?这样以后就更容易了。我会根据你的需要修改它,你能给我一个第一个加入代码应该是什么样的例子吗?第一个加入标记是:Q6GZX2现在看一看,我想这应该会给你你想要的东西,只要表单at永远都是sameThanks!是的,的确,第一个加入代码应该是Q6GZX2。第一个生物体/物种应该是“孤立古尔哈”。好的,我添加了一个字符,它现在打印(孤立古尔哈)而不是(孤立古尔哈)(fv-3)
['>sp|Q6GZX2|003R_FRG3G (438 aa)
Uncharacterized protein 3R. [Frog virus 3 (isolate Goorha) (FV-3)]
MARPLLGKTSSVRRRLESLSACSIFFFLRKFCQKMASLVFLNSPVYQMSNILLTERRQVDRAMGGSDDDGVMVVALSPSD
FKTVLGSALLAVERDMVHVVPKYLQTPGILHDMLVLLTPIFGEALSVDMSGATDVMVQQIATAGFVDVDPLHSSVSWKDN
VSCPVALLAVSNAVRTMMGQPCQVTLIIDVGTQNILRDLVNLPVEMSGDLQVMAYTKDPLGKVPAVGVSVFDSGSVQKGD
AHSVGAPDGLVSFHTHPVSSAVELNYHAGWPSNVDMSSLLTMKNLMHVVVAEEGLWTMARTLSMQRLTKVLTDAEKDVMR
AAAFNLFLPLNELRVMGTKDSNNKSLKTYFEVFETFTIGALMKHSGVTPTAFVDRRWLDNTIYHMGFIPWGRDMRFVVEY
DLDGTNPFLNTVPTLMSVKRKAKIQEMFDNMVSRMVTS
2 - 9: ArpllGKT',
'>sp|Q6GZX1|004R_FRG3G (60 aa)
Uncharacterized protein 004R. [Frog virus 3 (isolate Goorha) (FV-3)]
MNAKYDTDQGVGRMLFLGTIGLAVVVGGLMAYGYYYDGKTPSSGTSFHTASPSFSSRYRY
33 - 40: GyyydGKT',
'>sp|Q6GZW0|015R_FRG3G (322 aa)
Uncharacterized protein 015R. [Frog virus 3 (isolate Goorha) (FV-3)]
MEQVPIKEMRLSDLRPNNKSIDTDLGGTKLVVIGKPGSGKSTLIKALLDSKRHIIPCAVVISGSEEANGFYKGVVPDLFI
YHQFSPSIIDRIHRRQVKAKAEMGSKKSWLLVVIDDCMDNAKMFNDKEVRALFKNGRHWNVLVVIANQYVMDLTPDLRSS
VDGVFLFRENNVTYRDKTYANFASVVPKKLYPTVMETVCQNYRCMFIDNTKATDNWHDSVFWYKAPYSKSAVAPFGARSY
WKYACSKTGEEMPAVFDNVKILGDLLLKELPEAGEALVTYGGKDGPSDNEDGPSDDEDGPSDDEEGLSKDGVSEYYQSDL
DD
34 - 41: GkpgsGKS',
'>sp|P32234|128UP_DROME (368 aa)
GTP-binding protein 128up. [Drosophila melanogaster (Fruit fly)]
MSTILEKISAIESEMARTQKNKATSAHLGLLKAKLAKLRRELISPKGGGGGTGEAGFEVAKTGDARVGFVGFPSVGKSTL
LSNLAGVYSEVAAYEFTTLTTVPGCIKYKGAKIQLLDLPGIIEGAKDGKGRGRQVIAVARTCNLIFMVLDCLKPLGHKKL
LEHELEGFGIRLNKKPPNIYYKRKDKGGINLNSMVPQSELDTDLVKTILSEYKIHNADITLRYDATSDDLIDVIEGNRIY
IPCIYLLNKIDQISIEELDVIYKIPHCVPISAHHHWNFDDLLELMWEYLRLQRIYTKPKGQLPDYNSPVVLHNERTSIED
FCNKLHRSIAKEFKYALVWGSSVKHQPQKVGIEHVLNDEDVVQIVKKV
71 - 78: GfpsvGKS']
import re
file = open("ploop.txt")
text = file.read()
file.close()
proteins = text.split("\n\n")[1:]
proteinsMatching = []
toWrite = ""
for protein in proteins:
if re.search(r"[AG].{4}GK[ST]", protein):
proteinsMatching.append(protein)
for protein in proteinsMatching:
accensionCode = re.findall(r">sp\|(.{6})", protein)[0]
organism = re.findall(r"\n.+?\[(.+?)\]", protein)[0]
print(accensionCode, organism)
toWrite += accensionCode + " " + organism + "\n"
f = open("results.txt", "w+")
f.write(toWrite)
f.close()
# Q6GZX2 Frog virus 3 (isolate Goorha) (FV-3)
# Q6GZX1 Frog virus 3 (isolate Goorha) (FV-3)
# Q6GZW0 Frog virus 3 (isolate Goorha) (FV-3)
# P32234 Drosophila melanogaster (Fruit fly)