在字符串列表中，找到字符串中的短语，并将字符串中的两个整数（x..y）追加到list。 蟒蛇

Question

因此，我正在尝试编写一个脚本，该脚本读取文件并在找到某个单词后提取2个值。 在这种情况下，遇到字符串“ exon”时，它将保存紧随其后的两个整数。

我从创建空字符串开始：

exon_start = []
exon_end = []

这是我正在使用的简化数据的示例：

for line in data:
    print data

>>>

 exon            1..35
                 /gene="CDKN1A"

 CDS             73..567
                 /translation="MSEPAGDVRQNPCGSKACRRLFGPVDSEQLSRDCDALMAGCIQE
                 ARERWNFDFVTETPLEGDFAWERVRGLGLPKLYLPTGPRRGRDELGGGRRPGTSPALL
                 QGTAEEDHVDLSLSCTLVPRSGEQAEGSPGGPGDSQGRKRRQTSMTDFYHSKRRLIFS
                 KRKP"

 misc_feature    76..78
                 /gene="CDKN1A"


 exon            518..2106
                 /gene="CDKN1A"

我尝试为re.findall（）函数导入正则表达式模块：

indx_exon = range(0,len(data))

# so this relates each line of the data to a specific number in the index

我在识别每一行中的“外显子”短语时遇到了麻烦，我只是试图确定文本的哪一行具有外显子序列，以查看re.findall（）是否正常工作，所以我提出：

for p,line in zip(indx_line,data):

    if re.findall(r'exon',line) is True:
        print p

我一无所有

当我把：

for p,line in zip(indx_line,data):

    exon_test = re.findall(r'exon',line)
    print exon_test

对于不包含“ exon”的行和包含“ exon”的行，我得到了一堆[]，他们给了我“ exon”。 所以我知道我可以使用re.findall（）功能来查找每个字符串中每次出现的“ exon”

我只需要确切地知道当它找到“ exon”时我要怎么说，它需要在那一行中查找直到找到“ ..”，然后将其侧面的整数附加到相应的列表中 ； 即

exon_start = [1,518]
exon_end = [35,2106]

Answer 1

问题在于if re.findall(r'exon',line) is True:行。 因为re.finall()不会返回True或False 。 例：

>>> mystr = '123 exon'
>>> import re
>>> re.findall(r'exon', mystr)
['exon']
>>> re.findall(r'exon', mystr) is True
False
>>> bool(re.findall(r'exon',mystr))
True
>>> if re.findall(r'exon', mystr):
...     print 'true'
... 
true

将原始代码更改为：

for p,line in zip(indx_line,data):

    if re.findall(r'exon',line):
        print p

应该使它工作。

---

编辑：正如@TimPietzcker指出的，在这种情况下，您根本不需要使用re 。 并解决你获得数侧翼的第二个问题.. ，这里是代码，可能会有所帮助：

>>> line = ' exon            1..35'
>>> if 'exon' in line:
...     ranges = line.split()[1].split('..')
...     print ranges
...
['1', '35']