匹配每行的元素

Question

我有我的函數給定輸入文件的規則列表。如果它們中的任何一個在給定的文件中被違反，我希望我的程序返回錯誤消息並退出。

• 文件中的每一基因應該是相同的染色體

因此，對於線路如：

NM_001003443 CHR11 + 5997152 5927598 5921052 5926098 1 5928752,5925972，5927204,5396098， NM_001003444 CHR11 + 5925152 5926098 5925152 5926098 2 5925152,5925652，5925404,5926098， NM_001003489 CHR11 + 5925145 5926093 5925115 5926045 4 5925151,5925762，5987404,5908098， 等

文件中的每一行都將是此行的變化

因此，我希望確保該文件中的每一行是CHR11

然而，我可以得到一個文件與CHR的不同列表（和任何數量的數字）。因此，我想編寫一個函數，以確保在每行的chr中找到的數字是相同的。

我應該使用正則表達式嗎？或者我該怎麼做？順便說一句，這是python。

如：chr \ d +？ 我不確定如何確保，無論是匹配的是在每行，雖然同...

我目前有：

from re import * 
for line in file: 
    r = 'chr\d+' 
    i = search(r, line) 
    if i in line: 

，但我不知道如何確保它是同樣在每行...

在參考sajattack的回答

fp = open(infile, 'r') 
for line in fp: 
     filestring = '' 
     filestring +=line 
     chrlist = search('chr\d+', filestring) 
     chrlist = chrlist.group() 
     for chr in chrlist: 
      if chr != chrlist[0]: 
       print('Every gene in file not on same chromosome') 

Answer 1

只需讀取該文件，並有一個while循環檢查每一行以確保它包含chr11。有字符串函數來搜索字符串中的子字符串。只要您找到返回false的行（不包含chr11），就跳出循環並設置標記valid = false。

import re 

fp = open(infile, 'r') 
fp.readline() 
tar = re.findall(r'chr\d+', fp.readline())[0] 
for line in fp: 
    if (line.find(tar) == -1): 
     print("Not valid") 
     break 

這應該搜索行中的數字並檢查有效性。

Answer 2

可以肯定的是，第一個字母是正確的嗎？如果是，請使用：

import re 
chrlist = re.findall("chr[0-9]+", open('file').read()) 
#^this is a list with all chr(whatever numbers) 
for chr in chrlist: 
    if chr != chrlist[0] 
     print("Chr does not match") 
     break 

Answer 3

我的解決方案使用「匹配組」從「chr」字符串中收集匹配的數字。

import re 

pat = re.compile(r'\schr(\d+)\s') 

def chr_val(line): 
    m = re.search(pat, line) 
    if m is not None: 
     return m.group(1) 
    else: 
     return '' 

def is_valid(f): 
    line = f.readline() 
    v = chr_val(line) 
    if not v: 
     return False 

    return all(chr_val(line) == v for line in f) 

with open("test.txt", "r") as f: 
    print("The file is {0}".format("valid" if is_valid(f) else "NOT valid")) 

注：

• 預編譯的正則表達式的速度。

• 使用原始字符串（r''）指定正則表達式。

• 該模式在chr字符串的任一側需要空格（\s）。

• is_valid()返回False如果第一行沒有好的chr值。然後它返回一個布爾值，如果以下所有行匹配第一行的chr值，則該值爲true。

• 您的示例代碼只是打印一些像The file is True，所以我使它更友好一點。