Python 仅从online.txt文件下载某些行
基因组注释存储在大型普通文本文件中,例如 我只想提取以“FT”开头的行。由于我需要提取数千个这些文件的“FT”,因此下载整个文件并手动提取所需的行是不可行的Python 仅从online.txt文件下载某些行,python,bash,pandas,Python,Bash,Pandas,基因组注释存储在大型普通文本文件中,例如 我只想提取以“FT”开头的行。由于我需要提取数千个这些文件的“FT”,因此下载整个文件并手动提取所需的行是不可行的 是否有任何终端或python构造可以做到这一点?我最终想要创建一个大型(python)数据框架。您可以使用curl和grep。您仍然必须下载整个文件,除非ebi.ac.uk服务器api提供服务器端过滤 curl 'https://www.ebi.ac.uk/ena/data/view/FO203355&display=text' |
是否有任何终端或python构造可以做到这一点?我最终想要创建一个大型(python)数据框架。您可以使用curl和grep。您仍然必须下载整个文件,除非ebi.ac.uk服务器api提供服务器端过滤
curl 'https://www.ebi.ac.uk/ena/data/view/FO203355&display=text' | grep '^FT' > lines.txt
由于您最终打算使用
pandas
,因此只需将数据流式传输到脚本并过滤所需的行即可。最简单的方法是在流模式下使用请求
模块,然后将远程数据视为文件流,即:
import requests
url = "https://www.ebi.ac.uk/ena/data/view/FO203355&display=text"
with requests.get(url, stream=True) as r: # open a streaming request
for line in r: # iterate over the stream line by line
if line[:2] == "FT": # check if a line begins with `FT`
print(line) # or do whatever you want with the line
如果只想保存数据,可以将过滤后的行转发到文件输出流:
import requests
url = "https://www.ebi.ac.uk/ena/data/view/FO203355&display=text"
with requests.get(url, stream=True) as r, open("output.dat", "w") as f:
for line in r: # iterate over the stream line by line
if line[:2] == "FT": # check if a line begins with `FT`
f.write(line) # write the line to output.dat
您可能希望创建数据帧并直接将该行解析到其中,但这取决于您希望如何解析数据,所以这是我留给您的练习