使用Python将字符串拆分为整数列表

Question

这个方法输入一个文件和文件的目录。它包含一个数据矩阵，需要复制每行的前20列，在给定的行名称和行的相应字母之后。每个文件的前3行被跳过，因为它有不需要的不重要的信息，也不需要文件底部的数据

例如，文件如下所示：

unimportant information--------
 unimportant information--------
 -blank line
1 F -1 2 -3 4 5 6 7 (more columns of ints)
2 L 3 -1 3 4 0 -2 1 (more columns of ints)
3 A 3 -1 3 6 0 -2 5 (more columns of ints)
-blank line
unimportant information--------
unimportant information--------

方法的输出需要以某种给定的形式打印出一个“矩阵”

到目前为止，输出以字符串的形式给出了每一行的列表，但是我正在尝试找出解决问题的最佳方法。我不知道如何忽略文件末尾不重要的信息。我不知道如何只检索每行字母后的前20列，也不知道如何忽略行号和行号

def pssmMatrix(self,ipFileName,directory):
    dir = directory
    filename = ipFileName
    my_lst = []

    #takes every file in fasta folder and put in files list
    for f in os.listdir(dir):
        #splits the file name into file name and its extension
        file, file_ext = os.path.splitext(f)

        if file == ipFileName:
            with open(os.path.join(dir,f)) as file_object:

                for _ in range(3):
                    next(file_object)
                for line in file_object:
                        my_lst.append(' '.join(line.strip().split()))
    return my_lst

预期结果：

['-1 2 -3 4 5 6 7'], ['3 -1 3 4 0 -2 1'], ['3 -1 3 6 0 -2 5']

实际结果：

['1 F -1 2 -3 4 5 6 7'], ['2 L 3 -1 3 4 0 -2 1'], ['3 A 3 -1 3 6 0 -2 5'],  [' '], [' unimportant info'], ['unimportant info']  

Answer 1

试试这个办法

    import re
    reg = re.compile(r'(?<=[0-9]\s[A-Z]\s)[0-9\-\s]+')

    text = """
    unimportant information    

    unimportant information    
    -blank line

    1 F -1 2 -3 4 5 6 7 (more columns of ints)

    2 L 3 -1 3 4 0 -2 1 (more columns of ints)

    3 A 3 -1 3 6 0 -2 5 (more columns of ints)"""

    ignore_start = 5  # 0,1,2,3 =  4
    expected_array = []
    for index, line in enumerate(text.splitlines()):
    if(index >= ignore_start):
            if reg.search(line):
            result = reg.search(line).group(0).strip()
            # Use Result
            expected_array.append(' '.join(result))

    print(expected_array)
    # Result: [
    #'- 1   2   - 3   4   5   6   7', 
    #'3   - 1   3   4   0   - 2   1', 
    #'3   - 1   3   6   0   - 2   5'
    #]

Answer 2

好吧，在我看来，你有一个文件，里面有你想要的行，你想要的行总是以一个数字和一个字母开头。所以我们能做的就是对它应用一个正则表达式，只得到与该模式匹配的行，并且只得到模式后面的数字

这个表达式看起来像(?<=[0-9]\s[A-Z]\s)[0-9\-\s]+

import re

reg = re.compile(r'(?<=[0-9]\s[A-Z]\s)[0-9\-\s]+')

for line in file:
    if reg.search(line):
        result = reg.search(test).group(0)
        # Use Result
        my_lst.append(' '.join(result))

希望有帮助