根据字符串拆分文件

Question

我想把一个大文件拆分成一个个小的部分。每个部分都是以“//”这个字符结尾的。所以当我尝试使用

#!/usr/bin/python
import sys,os   
uniprotFile=open("UNIPROT-data.txt") #read original alignment file  
uniprotFileContent=uniprotFile.read() 
uniprotFileList=uniprotFileContent.split("//")
for items in uniprotFileList:
        seqInfoFile=open('%s.dat'%items[5:14],'w')
        seqInfoFile.write(str(items))

的时候，我发现文件里还有其他地方也有“//”（比如http://www.uniprot.org/terms），这样就导致它在那些地方也被拆分了，最终我得不到我想要的结果。我试着用正则表达式，但没能搞明白。

Answer 1

你似乎在用错的字符进行分割。根据你的问题，你应该用 r"\\" 来分割，而不是 "//"。打开一个命令行窗口，检查一下你正在使用的字符串。你会看到类似这样的内容：

>>> "\\"
'\\'
>>> "\"
SyntaxError
>>> r"\"
'\\'
>>> "//"
'//'

所以，你可以使用 "\\" 或者 r"\\"（我推荐使用 r"\\"，这样在分割和正则表达式操作时会更清晰）。

Answer 2

我正在使用修改过的分割模式的代码，这对我来说运行得很好：

#!/usr/bin/python
import sys,os   
uniprotFile = open("UNIPROT-data.txt")   
uniprotFileContent = uniprotFile.read()
uniprotFileList = uniprotFileContent.split("//\n")
for items in uniprotFileList:
    seqInfoFile = open('%s.dat' % items[5:17], 'w')
    seqInfoFile.write(str(items))

Answer 3

使用一个正则表达式，只有在//前面没有:的时候才进行分割。

import re
myre = re.compile("(?<!:)//")
uniprotFileList = myre.split(uniprotFileContent)