在字符串列表中，在字符串中查找一个短语并将两个整数（x..y）以字符串形式附加到列表中。 Python

Question

所以我想写一个脚本，读取一个文件，并提取2个值，一旦发现某个单词。在这种情况下，当遇到字符串'exon'时，它会保存后面的两个整数。

我开始通过创建空字符串：

exon_start = [] 
exon_end = [] 

这里是我使用简化数据的一个示例：

for line in data: 
    print data 

>>> 

exon   1..35 
       /gene="CDKN1A" 

CDS    73..567 
       /translation="MSEPAGDVRQNPCGSKACRRLFGPVDSEQLSRDCDALMAGCIQE 
       ARERWNFDFVTETPLEGDFAWERVRGLGLPKLYLPTGPRRGRDELGGGRRPGTSPALL 
       QGTAEEDHVDLSLSCTLVPRSGEQAEGSPGGPGDSQGRKRRQTSMTDFYHSKRRLIFS 
       KRKP" 

misc_feature 76..78 
       /gene="CDKN1A" 


exon   518..2106 
       /gene="CDKN1A" 

我尝试导入的正则表达式模块用于re.findall（）功能：

indx_exon = range(0,len(data)) 

# so this relates each line of the data to a specific number in the index 

我无法识别每个人中的'外显子'短语双线 第一我只是试图找出其中的文本行有外显子序列，看是否re.findall（）在工作，我把：

for p,line in zip(indx_line,data): 

    if re.findall(r'exon',line) is True: 
     print p 

和我无

当我放：

for p,line in zip(indx_line,data): 

    exon_test = re.findall(r'exon',line) 
    print exon_test 

我有一大堆的[]对于不包含“外显子” 的线条和线条的确实包含“外显子”他们给了我“外显子”。所以我知道我可以使用re.findall（）功能来查找每个字符串中'外显子'的每个出现次数

我只需要找出我究竟该如何发现“外显子”它需要查找该行，直到找到“..”，然后将其侧面的整数附加到其相应的列表中;即

exon_start = [1,518] 
exon_end = [35,2106] 

Answer 1

问题在于if re.findall(r'exon',line) is True:一行。因为re.finall()不会返回True或False。例如：

>>> mystr = '123 exon' 
>>> import re 
>>> re.findall(r'exon', mystr) 
['exon'] 
>>> re.findall(r'exon', mystr) is True 
False 
>>> bool(re.findall(r'exon',mystr)) 
True 
>>> if re.findall(r'exon', mystr): 
...  print 'true' 
... 
true 

改变原有的代码：

for p,line in zip(indx_line,data): 

    if re.findall(r'exon',line): 
     print p 

应该使其工作。

---

编辑：@TimPietzcker指出的那样，你不需要使用re在所有的这种情况。并解决你获得侧翼..数的第二个问题，这里是代码，可能会有所帮助：

>>> line = ' exon   1..35' 
>>> if 'exon' in line: 
...  ranges = line.split()[1].split('..') 
...  print ranges 
... 
['1', '35']