使用正则表达式将数据转换为Python中的字典

使用正则表达式将数据转换为Python中的字典

r

不是有效的字符类，我想您打算使用它

s

。如果您也不使用它们，则可以减少它们的数量。

但最重要的是，您需要正确提取组：

match = re.search(r'>(w+)s+(w+)', line)if match:    tag, gene = match.groups()    myDict[tag] = gene

通过仅创建 两个 捕获组，我们可以更简单地使用提取这 两个 捕获组

.groups()

并将它们直接分配给两个变量

tag

和

gene

。

但是，读取FASTA格式似乎表明这是一种多行格式，标签位于一行，其后的基因数据位于
多 行。在这种情况下，您本

r

应匹配换行符。当您一次读取一行文件时，此功能将无效。

如果没有这样的正则表达式，则读取该格式会简单得多：

myDict = {}with open('d.fasta', 'rU') as filedata:    tag = None    for line in filedata:        line = line.strip()        if not line: continue        if line[0] == '>': tag = line[1:] myDict[tag] = ''        else: assert tag is not None, 'Invalid format, found gene without tag' myDict[tag] += lineprint myDict

这将逐行读取文件，根据起始

>

字符检测标签，然后读取 多 行基因信息，将其收集到最近读取的标签下的字典中。

注意

rU

模式；我们使用python的通用换行模式打开文件，以处理用于创建文件的换行约定。

最后但并非最不重要的; 看看BioPy项目;
他们的

Bio.SeqIO

模块可以完美处理FASTA以及许多其他格式。