python学习笔记：批量化查找只包含6个C.ar的苯环结构

在清洗文件过程，单纯查找一个文件是不能满足到大量文件计算需求。清洗和过滤大量的小分子文件显然成了必要的需求。

其实python在寻找清洗文件过程并不难，在乎怎么把清洗完的文件用于计算分析才是核心的诉求。

下面我们看看在一堆文件里面，批量查询对应目标列表。

import re
import os

def walk(path):
    if not os.path.exists(path):
        return []
    files_paths = []
    for parent, dirnames, filenames in os.walk(path):
        for filename in filenames:
            files_paths.append(os.path.join(parent, filename))

    return files_paths

def findcar6(mol2file):
    pattern = re.compile(r'\w+\.ar')
    with open(mol2file, 'r') as f:
        content = f.read()
        ret_list = pattern.findall(content)
        num = ret_list.count('C.ar')
        return num == 6

if __name__ == "__main__":
    allfiles = walk(r"G:\pyabs\labs\pdbbind\general_set")
    for f in allfiles:
        file_name, ext = os.path.splitext(f)
        if ext == '.mol2' and findcar6(f):
            print(os.path.basename(f))

试验完后，会输出一堆文件名称，这些文件就包含6个C.ar 文件文件。

担心脚本会出现错误。再人工去校验。发现验证通过了第一步。

观察里面对应的结构，可以看到苯环的结构体正是我们想找的小分子文件。

反复经过多次验证，可以大概刷选出相应的文件。有了这些文件即可用来计算三维空间里面作用力。

目前仅仅是清洗过程中一个很小很小应用。还可以利用可视化工具来实现。这些都是看需求去实现了。