如何提取一對夫婦從線（蟒蛇）標串

Question

好友，

我花在這個一個相當長的一段時間......，但仍無法找出更好的辦法來做到這一點。順便說一句，我是用python編碼的。

所以，這裏是文字的，我有一個工作文件中的一行，例如：

「> REF | ZP_01631227.1 | 3脫氫合酶節球spumigena CCY9414] ...」

如何從行中提取兩個字符串「ZP_01631227.1」和「Nodularia spumigena CCY9414」？

雙「| |」和括號就像標記，所以我們知道我們想要得到兩個字符串之間的...

我想我可以循環所有字符在行中，並做到這一點很難。它只需要很多時間...想知道是否有一個python庫或其他聰明的方法很好地做到這一點？

謝謝大家！

Answer 1

>>> for line in open("file"): 
...  if "|" in line: 
...   whatiwant_1=line.split("|")[1] 
...   if "[" in line: 
...    whatiwant_2=line.split("[")[1].split("]")[0] 
... 
>>> print whatiwant_1 , whatiwant_2 
ZP_01631227.1 Nodularia spumigena CCY9414 

Answer 2

一個簡潔的選擇是一個正則表達式（由於某種原因，他們在Python社區一個壞名聲，但他們確實提供了簡單的文本處理簡潔和功率）：

import re 
s = ">ref|ZP_01631227.1| 3-dehydroquinate synthase [Nodularia spumigena CCY9414]..." 
mo = re.search(r'\|(.*?)\|/*\[(.*?)\]', s) 
if mo: 
    thefirst, thesecond = mo.groups()