python 中的 awk：如何在 python 类中使用 awk 脚本？

Question

我正在尝试使用 python 运行 awk 脚本，这样我就可以处理一些数据。

有没有办法让 awk 脚本在 python 类中运行，而不使用系统类将其作为 shell 进程调用？我运行这些 python 脚本的框架不允许使用子进程调用，所以我要么想办法在 python 中转换我的 awk 脚本，要么如果可能的话，在 python 中运行 awk 脚本。

有什么建议吗？我的 awk 脚本基本上读取一个文本文件并分离包含特定化合物的蛋白质块（输出由我们的框架生成；我添加了一个示例，如下所示）并将它们分离出来并打印在不同的文件。

    buildProtein compoundA compoundB
    begin fusion
    Calculate : (lots of text here on multiple lines)
    (more lines)
    Final result - H20: value CO2: value Compound: value 
    Other Compounds X: Value Y: value Z:value

    [...another similar block]

例如，如果我构建一个蛋白质，我需要查看最终结果行中是否有 CH3COOH 的化合物，如果有，我必须从命令“buildProtein”开始，直到结果行的开头下一个区块；并将其保存在文件中；然后移至下一个，看看它是否再次具有我正在寻找的化合物...如果没有，我跳到下一个，直到文件末尾（该文件多次出现该化合物我搜索，有时它们是连续的，而有时它们与没有复合的块交替使用，

任何帮助都是非常受欢迎的；在发现这个网站后，我决定寻求一些帮助，

谢谢 。提前感谢您的好意！

Answer 1

如果您无法使用 subprocess 模块，最好的办法是用 Python 重新编码 AWK 脚本。为此，fileinput 模块是一个很棒的转换工具，具有类似 AWK 的感觉。

Answer 2

Python 的 re 模块 可以提供帮助，或者，如果您不介意正则表达式和只需要进行一些快速的字段分隔，您可以使用 内置的 str .split() 和 .find() 函数。

Answer 3

我刚刚开始学习 AWK，所以我无法在这方面提供任何建议。然而，对于一些满足您需要的 Python 代码：

class ProteinIterator():
    def __init__(self, file):
        self.file = open(file, 'r')
        self.first_line = self.file.readline()
    def __iter__(self):
        return self
    def __next__(self):
        "returns the next protein build"
        if not self.first_line:     # reached end of file
            raise StopIteration
        file = self.file
        protein_data = [self.first_line]
        while True:
            line = file.readline()
            if line.startswith('buildProtein ') or not line:
                self.first_line = line
                break
            protein_data.append(line)
        return Protein(protein_data)

class Protein():
    def __init__(self, data):
        self._data = data
        for line in data:
            if line.startswith('buildProtein '):
                self.initial_compounds = tuple(line[13:].split())
            elif line.startswith('Final result - '):
                pieces = line[15:].split()[::2]   # every other piece is a name
                self.final_compounds = tuple([p[:-1] for p in pieces])
            elif line.startswith('Other Compounds '):
                pieces = line[16:].split()[::2]   # every other piece is a name
                self.other_compounds = tuple([p[:-1] for p in pieces])
    def __repr__(self):
        return ("Protein(%s)"% self._data[0])
    @property
    def data(self):
        return ''.join(self._data)

我们这里有一个 build Protein 文本文件的迭代器，它一次返回一个蛋白质作为 Protein 对象。这个 Protein 对象足够聪明，可以知道它的输入、最终结果和其他结果。如果文件中的实际文本与问题中所表示的不完全一样，您可能需要修改一些代码。以下是对代码的简短测试和示例用法：

if __name__ == '__main__':
    test_data = """\
buildProtein compoundA compoundB
begin fusion
Calculate : (lots of text here on multiple lines)
(more lines)
Final result - H20: value CO2: value Compound: value 
Other Compounds X: Value Y: value Z: value"""

    open('testPI.txt', 'w').write(test_data)
    for protein in ProteinIterator('testPI.txt'):
        print(protein.initial_compounds)
        print(protein.final_compounds)
        print(protein.other_compounds)
        print()
        if 'CO2' in protein.final_compounds:
            print(protein.data)

我没有费心保存值，但如果您愿意，可以添加它。希望这能让你继续前进。