split命令问题

Question

我在使用 split 命令时遇到问题。 输入字符串如下：

080821_HWI-EAS301_0002_30ALBAAXX:1:8:1649:2027  83  chr10   42038185    255 36M =   42037995    -225    GCCAGGTTTAATAAATTATTTATAGAATACTGCATC    @?DDEAEFDAD@FBG@CDA?DBCDEECD@D?CBA>A    NM:i:0  MD:Z:36

我想从这个字符串中抓取'2027' 我的命令是：line.split(':',4)[1].split()[0] 然而，这不起作用。输出为“1”

然后我切换到 line.split(':',4) 输出仍然是“1”，我发现第一步分割已经有问题了。

但是，当我尝试 line.split(':',1) 时，我得到的预期结果是：

1:8:1649:2027   83  chr10   42038185    255 36M =   42037995-225    GCCAGGTTTAATAAATTATTTATAGAATACTGCATC    @?DDEAEFDAD@FBG@CDA?DBCDEECD@D?CBA>A    NM:i:0  MD:Z:36

我对这个 split 命令感到困惑！ （我之前问过类似的问题，当时 split 命令起作用了） 谢谢

Answer 1

看来您想要的是

line.split(':',4)[4].split()[0]

The numeric parameter to split 指示将发生的最大分割数。所以你有：

>>> line='080821_HWI-EAS301_0002_30ALBAAXX:1:8:1649:2027 ...'
>>> line.split(':',4)
['080821_HWI-EAS301_0002_30ALBAAXX', '1', '8', '1649', '2027 ...']

如果你从这个返回值中取出元素[1]，你会得到“1”。我不明白你为什么对此感到惊讶。

由于您最多允许 4 次拆分，并且您想要的项目将是最后一个，因此您想要的下标是 [4]：

>>> line.split(':',4)[4]
'2027 ...'

然后您可以在空间上拆分它并从中获取元素 [0] 以生成结果。

如果根本不传递分割限制值，您会得到相同的结果：

>>> line.split(':')[4].split()[0]
'2027'

Answer 2

试试这个：

#!/usr/bin/python

line = '080821_HWI-EAS301_0002_30ALBAAXX:1:8:1649:2027  83  chr10   42038185    255 36M =   42037995    -225    GCCAGGTTTAATAAATTATTTATAGAATACTGCATC    @?DDEAEFDAD@FBG@CDA?DBCDEECD@D?CBA>A    NM:i:0  MD:Z:36'

print line.split(':')[4].split()[0]

我不确定你为什么要尝试像这样访问包含 2027 的令牌：

line.split(':',4)

而不是这样：

line.split(':')[4]

我认为你可能对 split 的工作原理感到困惑。 Python split 函数 的最后一个参数是要执行的最大分割数。

Answer 3

split 的第二个参数是要执行的最大分割数，因此您可能不想在这种情况下使用它。要在执行分割后访问第五个元素，请执行以下操作：

line.split(":")[4]

无论如何，您可能想要的是首先按空格分割（您可以不使用参数来完成此操作），然后用冒号分割。这可以在一行中完成，如下所示：

line.split()[0].split(":")[4]

Answer 4

您可以使用：

s.split()[0].split(':')[4]

Answer 5

首先在空白处分开。然后根据分隔符（此处：“：”）拆分结果列表中的第一个元素。

line.split()[0].split(':')[4]

Answer 6

您必须使用split吗？

我问这个问题是因为我发现当我只需要获取特定的子字符串时，正则表达式是一个更好的工具。这并不是最容易学习的东西，而且一开始看起来非常难以接近，但你只需要付出学习一次的代价，这是一项值得的投资。 :)

Python 主页对此有很好的介绍。

PS 2027 将通过以下正则表达式 .*?:([0-9]+)\s+ 进行匹配

Answer 7

我想您将来会从字符串中进行大量的信息提取。那么，我的建议是学习使用正则表达式工具，这将是不可避免的。

或者您必须学习并使用专门的库来处理基因组学领域的字符串。

使用模块 re 解决当前问题的简单方法：

line = '''080821_HWI-EAS301_0002_30ALBAAXX:1:8:1649:2027  83  chr10
42038185    255 36M =   42037995    -225
GCCAGGTTTAATAAATTATTTATAGAATACTGCATC    @?DDEAEFDAD@FBG@CDA?
DBCDEECD@D?CBA>A    NM:i:0  MD:Z:36'''

import re

print re.search(':(\d+) ',line).group(1)

如果第四个 ':' 之前有空格，则正则表达式的模式将为：

line = '''080821_HWI-EAS301_0002_30AL BAAXX:1:8     :1649:2027  83  chr10
42038185    255 36M =   42037995    -225
GCCAGGTTTAATAAATTATTTATAGAATACTGCATC    @?DDEAEFDAD@FBG@CDA?
DBCDEECD@D?CBA>A    NM:i:0  MD:Z:36'''

import re

print re.search('(:[^:]+){3}:(\d+)',line).group(2)

(:[^:]+) 匹配':' 后跟 {3} 后面可能有多个与 ':' 不同的字符

表示此匹配必须执行 3 次

，然后第四个 ':' 必须是遇到的，后跟匹配的搜索号码<代码>\d+;不再需要指出数字后面必须有空格，因为一旦遇到非数字字符， \d+ 将停止在字符串中匹配

。 括号定义组。这里所需的数字被第二组捕获