如何从文本文件的行中提取唯一的字符串？

Question

我有一个大的文本文件，它的行是用这种格式组成的：

Query: 1586     cccaagatgagctgcagccccccagagagagctctgcacgtcaccaagtaaccaggcccc 1645
Sbjct: 27455708 cccaagatgagctgcagccccccagagagagctctgcacgtcaccaagtaaccaggcccc 27455649

Query: 1646     agcctccaggcccccaactccgcccagcctctccccgctctggatcctgcactctaacac 1705      
Sbjct: 27455648 agcctccaggcccccaactccgcccagcctctccccgctctggatcctgcactctaacac 27455589

Query: 1706     tcgactctgctgctcatgggaagaacagaattgctcctgcatgcaactaattcaataaaa 1765              
Sbjct: 27455588 tcgactctgctgctcatgggaagaacagaattgctcctgcatgcaactaattcaataaaa 27455529

对于每一行，我希望能够只提取agtc的不同序列，同时删除其他字符（query、sbjct和variating numbers），这样最终的字符串将如下所示

^{2}$

我已经做了一段时间了，但没法用。我尝试过re模块和.translate，但没有结果。我用python3.4编程。谢谢您！在

Answer 1

虽然您可以使用正则表达式（如您所尝试的那样），但是您提供的示例可以通过使用agtc_part = line.split()[2]轻松地拆分

这会将一个给定的行拆分为一个字符串列表，其中分隔符是一个空格。索引从0开始，因此带有agct的部分由2索引。在

注意，调用split()而不显式地传递一个参数来指示要拆分的字符，不仅会对空格字符进行拆分，而且还会将连续的空格组合在一起，而不是对每个空格进行拆分。这在您的情况下很重要，因为数字和agct字符串之间的空白字符数不同。在

示例：

>>> "aaa   bbb".split()
['aaa', 'bbb']
>>> "aaa   bbb".split(' ')
['aaa', '', '', 'bbb']