批量处理文本信息中的字符

批量处理文本信息中的字符

• 参考来源
• 说明： 对常用的文本中字符匹配的解决进行总结。介绍方法包括：1）word中查找替换的使用，
• 2）matlab和python中批量正则替换与读取的应用

一、利于word中的通配符匹配

• 适用于替换文本中特定区域的文本或标注出位置。对读取文字进行替换。
• 优特是方便简单，不需要额外编程技巧。上手快
• 缺点：只能做替换处理，不利于提取处理连贯处理。适用一个文本中大量操作。

例如

• 下为一段NCBI中下载的基因序列，需求把文本中基因长度的说明数字段（数值长度和标号都是未知）进行删除。数值段的前面是由冒号开始后面为空格加上任意字母。

>CP041356.1:161019-161782 Lactococcus sp. KACC 19320 
CATACAGCGTGCTCCGCCACGGCCACGAGCCAGTTCACTAGAAAGAATTTCATGAACTTTGATACCGTGTTCTTTCAGAA

实践过程

1. 打开高级查找功能
   

2. 打开更多选项，选择使用通配符
   

3. 搜索栏中输入 [:][0-9]*(>[!-]@)

    整体表示为 寻找冒号后面任意0到9的数值到
    第二个大的空格部分结束
    [:] 表示 寻找冒号位置
    [0-9] 表示数值
    * 表示任意个
    >[!-]@ 除了空格前全部内容
   

4. 最后凸显出文本并进行替换
   
   与董说

尚：你发现没有，其他实验室中那些没有评上杰青的教授往往是最凶的。
董：是因为他们马上要评上了？？
尚：不是，他们经常会说“你谁呀你。"