在python上读取令牌

我想从文本文档中读取令牌并检查特定关键字。我该怎么做？ 例如，我的文件如下所示：

<protein id="Q11" name="HUMAN" length="655" crc64="30E1C1D138">
    <match id="G3DSA:3.30.160.60" name="ZC2f_H2/iegse_NA-bd" dbname="GE3D" status="T" evd="HMPfm">
      <ipr id="IPR013087" name="Zinc finger, H2-type/inrase, D-bindg" tpe="Dain" />
      <ln stt="114" end="142" sc="1.0E-8" />
    </match>

打印（stt）

---

打印端

似乎您可以使用

BeautifulSoup

解析它，但我不确定您到底在寻找什么

from BeautifulSoup import BeautifulSoup
text = '''<protein id="Q11" name="HUMAN" length="655" crc64="30E1C1D138">
    <match id="G3DSA:3.30.160.60" name="ZC2f_H2/iegse_NA-bd" dbname="GE3D" status="T" evd="HMPfm">
      <ipr id="IPR013087" name="Zinc finger, H2-type/inrase, D-bindg" tpe="Dain" />
      <ln stt="114" end="142" sc="1.0E-8" />
    </match>'''

soup= BeautifulSoup(text)

res=soup.findAll(dbname='GE3D')

---

看起来你可以用

BeautifulSoup

解析它，但我不确定你到底在找什么

from BeautifulSoup import BeautifulSoup
text = '''<protein id="Q11" name="HUMAN" length="655" crc64="30E1C1D138">
    <match id="G3DSA:3.30.160.60" name="ZC2f_H2/iegse_NA-bd" dbname="GE3D" status="T" evd="HMPfm">
      <ipr id="IPR013087" name="Zinc finger, H2-type/inrase, D-bindg" tpe="Dain" />
      <ln stt="114" end="142" sc="1.0E-8" />
    </match>'''

soup= BeautifulSoup(text)

res=soup.findAll(dbname='GE3D')

---

这看起来很像XML，您可以利用它

from lxml import etree

filename = "somefilename" # change this

with open(filename, 'rb') as f:
    root = etree.parse(f)
    for ln in root.xpath("/protein/match[@dbname='GE3D']/ln"):
        stt = ln.get("stt")
        end = ln.get("end")
        print "%s, %s" % (stt, end, )
        # do something else with stt and end

---

这看起来很像XML，您可以利用它

from lxml import etree

filename = "somefilename" # change this

with open(filename, 'rb') as f:
    root = etree.parse(f)
    for ln in root.xpath("/protein/match[@dbname='GE3D']/ln"):
        stt = ln.get("stt")
        end = ln.get("end")
        print "%s, %s" % (stt, end, )
        # do something else with stt and end

---

---

您尝试过什么？看起来像XML，您尝试过使用lxml编写解析器吗？您尝试过什么？看起来像XML，您尝试过使用lxml编写解析器吗？非常感谢TankorSmash。我有很多类似的数据。如果它找到dbname=GE3D并从ln stt=“114”和142 from end=“142”在dbname=GE3D的一个上捕获114和142，是否可能。当然，您只需要使用

soup.findAll（）

。看看这里的文档

http://www.crummy.com/software/BeautifulSoup/bs3/documentation.html#The 基本查找方法：findAll（name、attrs、recursive、text、limit、**kwargs）

在掌握了itI的窍门后，它非常简单。我尝试使用您的方法，但在添加stt_值时，它说索引超出了范围。。。和end_值。确保传递给

findAll

的字符串是

ln

而不是

中的
。请尝试打印
findAll
的结果，例如：
print soup.findAll（'ln'）
，以确保正在解析的列表不是空的。非常感谢TankorSmash。我有很多类似的数据。如果它找到dbname=GE3D并从ln stt=“114”和142 from end=“142”在dbname=GE3D的一个上捕获114和142，是否可能。当然，您只需要使用
soup.findAll（）
。看看这里的文档
http://www.crummy.com/software/BeautifulSoup/bs3/documentation.html#The 基本查找方法：findAll（name、attrs、recursive、text、limit、**kwargs）
在掌握了itI的窍门后，它非常简单。我尝试使用您的方法，但在添加stt_值时，它说索引超出了范围。。。和end_值。确保传递给
findAll
的字符串是
ln
而不是
中的
。请尝试打印
findAll
的结果，就像这样：
print soup.findAll（'ln'）
以确保您正在解析的列表不是空的。非常感谢您的网站。这是否允许我从文本中dbname=GE3D的部分获取stt和结束号？我问这个问题的原因是，我在一个文件中有多个类似的文本，有dbname='GE3D'和没有dbname='GE3D'…谢谢again@ChadD：只要“文本”是（大部分）有效的XML，就可以。循环将迭代每个
match
标记，该标记的
dbname
为
GE3D
。我尝试了它，看看它是否打印数字列表，但它只打印一个数字作为开始，一个数字作为结束。（我只是在代码下面添加了print stt和print end。）thanks@ChadD：嗯，是的，我看到你把打印语句放在循环之外了。我已经编辑了答案。如果您希望列表中的值，您可以这样做，而不是打印。非常感谢您的网站。这是否允许我从文本中dbname=GE3D的部分获取stt和结束号？我问这个问题的原因是，我在一个文件中有多个类似的文本，有dbname='GE3D'和没有dbname='GE3D'…谢谢again@ChadD：只要“文本”是（大部分）有效的XML，就可以。循环将迭代每个
match
标记，该标记的
dbname
为
GE3D
。我尝试了它，看看它是否打印数字列表，但它只打印一个数字作为开始，一个数字作为结束。（我只是在代码下面添加了print stt和print end。）thanks@ChadD：嗯，是的，我看到你把打印语句放在循环之外了。我已经编辑了答案。如果您想要列表中的值，可以这样做而不是打印。