如何在Python中获取单词后面的数字

Question

我有一个包含以下行的大型文件DDD-1126N | refseq：NP_285726 | uniprotkb：P00112和DDD-1081N | uniprotkb：P12121，我想提取uniprotkb后面的数字。

这是我的代码：

x = 'uniprotkb:P'
f = open('m.txt')
for line in f:
  print line.find(x) 
  print line[36:31 + len(x)]

line.find(x)中的问题出现在10和26，当它是26时，我会提取完整数字。由于我是新手，因此希望能找到一些方法来在单词后提取完整数字。

x = 'uniprotkb:'
f = open('m.txt')
for line in f:
  if x in line:
    print the number after x

- graph

---

你还没有接受大部分问题的答案。你知道每次接受答案可以获得+2的声望值吗？如果有至少一个答案对你有所帮助，你应该点击旁边的勾选标记来标记最佳/最有帮助的答案为已接受答案。请注意，不要改变原来的意思。 - agf

Answer 1

使用正则表达式：

import re
for line in open('m.txt'):
    match = re.search('uniprotkb:P(\d+)', line)
    if match:
        print match.group(1)

- infrared

Answer 2

import re
regex = re.compile('uniprotkb:P([0-9]*)')
print regex.findall(string)

- Robus

---

请注意，这将打印与正则表达式匹配的所有内容列表。 - Daniel Holmes

Answer 3

如果 x 是静态的并且始终匹配每行结尾的子字符串（例如 "DDD-1126N|refseq:NP_285726|uniprotkb:P00112"），那么这里的 re 模块就显得非常不必要了。

x = 'uniprotkb:'
f = open('m.txt')
for line in f:
  if x in line:
    print line[line.find(x)+len(x):]

---

编辑： 为了回答你的评论。如果它们是由竖线符号(|)分隔的，那么你可以这样做：

sep = "|"
x = 'uniprotkb:'
f = open('m.txt')
for line in f:
  if x in line:
    matches = [l[l.find(x)+len(x):] for l in line.split(sep) if l[l.find(x)+len(x):]]
    print matches

如果m.txt文件有以下行：

DDD-1126N|uniprotkb:285726|uniprotkb:P00112

那么上面的代码将输出：

['285726', 'P00112']

将sep = "|" 替换为列分隔符。

- chown

Answer 4

嗯，首先我建议您使用{{link1：csv模块}}来读取TSV文件。

但通常情况下，您可以使用正则表达式：

import re
regex = re.compile(r"(?<=\buniprotkb:)\w+")
for line in f:
    match = regex.search(line)
    if match: 
        print match.group()

如果字符串前面有uniprotkb:，则正则表达式匹配一个包含字母数字字符的字符串。

- Tim Pietzcker