python 文件游标以及 re 中的 match，sub(具体示例)

如下图所示：

文件out_plink.ped

文件myData.txt

要达到的目的：将文件myData.txt的第一列纯数字提取出来，再按照文件out_plink.ped的顺序重新排列myData.txt中的各行。

实现代码如下：

#!/usr/bin/env python
#coding:utf-8

import re

def sort_pheno():
    f_txt = open('myData.txt','r')
    f_ped = open('out_plink.ped','r')
    f_new_txt = open('new.txt','w')
    tag = 0
    for each_line_ped in f_ped.readlines():
        m_ped = re.match(r'\d+',each_line_ped)
        first_number_ped = m_ped.group(0)
        for each_line_txt in f_txt.readlines():
            if each_line_txt.find('Number') != -1 and tag == 0 :
                f_new_txt.write(each_line_txt)
                tag = tag + 1
            else:
                each_line_txt = re.sub(r'JY[0]*','',each_line_txt,1)
                m_txt = re.match(r'\d+',each_line_txt)
                first_number_txt = m_txt.group(0)
                if first_number_txt == first_number_ped:
                    f_new_txt.write(each_line_txt)
        f_txt.seek(0,0)
    f_txt.close()
    f_ped.close()
    f_new_txt.close()

if __name__ == '__main__':
    sort_pheno()

代码知识点解析：

（1）if each_line_txt.find(‘Number’) != -1：
find()函数：查找不到指定字符串，返回-1。

（2）each_line_txt=re.sub(r’JY[0]*’,”,each_line_txt,1):
re.sub(pattern,repl,string,count)函数：该句实现的功能是将myData.txt文件中的每行第一个字符串前面的“JY”和不参与组成数字的“0”去掉，其中，参数count=1表示只处理一个这样的模式串。

（3）m_txt = re.match(r’\d+’,each_line_txt);first_number_txt = m_txt.group(0) :
re.match(pattern,string)与group()函数：该句实现的功能是将文件每行行首的数字取出来赋值给指定变量。
match()函数只检测RE是不是在string的开始位置匹配，也就是说match（）只有在0位置匹配成功的话才有返回，如果不是开始位置匹配成功的话，match()就返回none。
group()函数示例：

import re
a = "123abc456"
print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0)   #123abc456,返回整体
print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1)   #123
print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(2)   #abc
print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(3)   #456

a、正则表达式中的三组括号把匹配结果分成三组，
group() 同group（0）就是匹配正则表达式整体结果
group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分，group(3) 列出第三个括号匹配部分；

b、没有匹配成功的，re.search（）返回None；

c、当然郑则表达式中没有括号，group(1)肯定不对了

（4）f_txt.seek(0,0)：该句表示文件指针重新回到文件头。

file.seek()方法标准格式是：seek(offset,whence=0)
offset：开始的偏移量，也就是代表需要移动偏移的字节数；whence：给offset参数一个定义，表示要从哪个位置开始偏移；0代表从文件开头开始算起，1代表从当前位置开始算起，2代表从文件末尾算起。