如何在Python中从空格分隔的文件中提取特定列？

Question

我正在尝试处理蛋白质数据库中的一个文件，该文件由空格（而不是\t）分隔。我有一个.txt文件，我想提取特定的行，从这些行中，我只想提取几列。

我需要用Python来做。我首先尝试使用命令行，使用awk命令没有问题，但我不知道如何在Python中执行同样的操作。

以下是我文件的摘录：

[...]
SEQRES   6 B   80  ALA LEU SER ILE LYS LYS ALA GLN THR PRO GLN GLN TRP          
SEQRES   7 B   80  LYS PRO                                                      
HELIX    1   1 THR A   68  SER A   81  1                                  14    
HELIX    2   2 CYS A   97  LEU A  110  1                                  14    
HELIX    3   3 ASN A  122  SER A  133  1                                  12    
[...]

例如，我只想取“HELIX”行，然后取第4、6、7和9列。我开始用for循环逐行读取文件，然后提取那些以“HELIX”开头的行。。。仅此而已。

编辑：这是我现在拥有的代码，但是打印不正常，只打印每个块的第一行（HELIX SHEET和DBREF）

#!/usr/bin/python
import sys

for line in open(sys.argv[1]):
 if 'HELIX' in line:
   helix = line.split()
 elif 'SHEET'in line:
   sheet = line.split()
 elif 'DBREF' in line:
   dbref = line.split()

print (helix), (sheet), (dbref)

Answer 1

看看CSV库。 https://docs.python.org/2/library/csv.html 下面的代码应该可以做到这一点

>>> import csv
>>> with open('my-file.txt', 'rb') as myfile:
...     spamreader = csv.reader(myfile, delimiter=' ', )
...     for row in spamreader:
...         print row[3]

Answer 2

如果已经提取行，可以使用line.split()将其拆分。这将为您提供一个列表，您可以从中提取所需的所有元素：

>>> test='HELIX 2 2 CYS A 97'
>>> test.split()
['HELIX', '2', '2', 'CYS', 'A', '97']
>>> test.split()[3]
'CYS'

Answer 3

有什么理由不能直接使用split吗？

for line in open('myfile'):
  if line.startswith('HELIX')
    cols = line.split(' ')
    process(cols[3], cols[5], cols[6], cols[8])