![](/img/trans.png)
[英]Python: Remove substrings from string starting and ending with certain words
[英]Extract substrings from a string with defined starting and ending points
我有一个或多或少看起来像这样的三个序列的列表(res):
res = [
'NVAKMFPQRKFT<STOP>TVQTLMRNGTLLERG<STOP>CCEVSP',
'QKRMDCNASV<STOP>TVTVQTLMQTL<STOP>TNTPKGG<STOP>',
'MEKGYADAE<STOP>RKTF<STOP>MTVRAGCCGI<STOP>MK'
]
我想将这些序列中的每一个拆分为以“M”开头并以(但不包括)<STOP> 结尾的子字符串。 这些子串在这里被定义为外显子。 我不希望我的外显子重叠(实际序列比这里的样本长得多)。 我希望在 M 和 < STOP > 之间至少有两个字符。
exon = list()
for seq in res:
string = str(res)
result = re.search("M(.*?)<STOP>", string)
if result:
found = list()
found = result.group()
exon.append(found)
print exon
我想得到一个这样的嵌套列表:
exon = [
"['MFPQRKFT', 'MRNGTLLERG']",
"['MDCNASV', 'MQTL']",
"['MEKGYADAE', 'MTVRAGCCGI']"
]
但是现在我只得到一个带有几个外显子的列表,并且我在每个列表的末尾都有 < STOP >。
您可以使用带有捕获组和 re.findall 的模式,它将返回捕获组的值
(M.{2,}?)<STOP>
(
捕获组 1 (这将由 re.findall 返回)
M.{2,}?
匹配M
和 2 次或更多次任何字符非贪婪)
关闭第 1 组<STOP>
字面匹配如果您只想匹配大写字符( .
匹配除换行符以外的任何字符),您可以使用
(M[A-Z]{2,})<STOP>
例如
import re
exon = list()
res = [
'NVAKMFPQRKFT<STOP>TVQTLMRNGTLLERG<STOP>CCEVSP',
'QKRMDCNASV<STOP>TVTVQTLMQTL<STOP>TNTPKGG<STOP>',
'MEKGYADAE<STOP>RKTF<STOP>MTVRAGCCGI<STOP>MK'
]
for seq in res:
exon.append(re.findall(r"(M.{2,}?)<STOP>", seq))
print(exon)
Output
[
['MFPQRKFT', 'MRNGTLLERG'],
['MDCNASV', 'MQTL'],
['MEKGYADAE', 'MTVRAGCCGI']
]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.