java匹配多行_java的Matcher 匹配多行，用于解析Fasta文件

fasta文件格式如下：>ABC

GGTTCCAAACCGGTT

AATTGGGGGCCCGGGTT

AAATGGAAGGATTTCCC

AATTGGA

>DEF

AAAAATTTTTGGGGGC

CCCCCGGGAAT

CCCCAAAACACACACA

TTTTGGGAGCAGGCAG

>GHI

AATTCGCGGCATCGCATTCAGC

GCGACTACGACTACGATGCATCAG

CAGCATCG

>JKL

AATTAGGATTTGTGCTAGCATG

CGCGGCTCGCGGCCCCCCCGGAT

CGCGATTGGCATC

CAGTCGTAGCTACGTAGCT

> 符号后是基因名或者Contig ID (Contig的解释：用二代测序或一代测序得到的较短的seq拼接成的较长的序列，拼接的原理就是基于seq之间的重叠碱基，拼接获得的序列称为Contig)

然后跟着的几行是碱基序列

在Java中匹配多行，需要用DOTALL参数

示例如下：import java.util.regex.Pattern;

import java.util.regex.Matcher;

public class patMatcher {

public static void main(String[] args) {

String s = ">adsds\nATGGGC\nAAAAGG\n";

String seq_id = "";

String sequence = "";

Pattern p = Pattern.compile("(>.*?\\s)([ATCG\\s]+)", Pattern.DOTALL);

Matcher mat = p.matcher(s);

while (mat.find()){System.out.print(mat.group(2));}

}

}

s 代表一条contig序列，ID是adsds， 碱基序列是多行的ATGGGCAAAAGG

定义一个Matcher， 返回的mat.group(2) 就是碱基序列。

对于fasta文件，解析的方法如下：import java.io.BufferedReader;

import java.io.FileReader;

import java.io.IOException;

import java.io.FileNotFoundException;

import java.util.Scanner;

import java.util.regex.Pattern;

import java.util.regex.Matcher;

public class ReadFa {

public static void main(String[] args) throws IOException{

// Scanner s = null;

StringBuilder s =  new StringBuilder();

String seq_id = "";

String sequence = "";

String line;

try {

// s = new Scanner(new BufferedReader(new FileReader(args[0])));

// Pattern p = Pattern.compile("^(?!>.*\n)[ATGC\n]+", Pattern.MULTILINE);

BufferedReader r = new BufferedReader(new FileReader(args[0]));

while((line=r.readLine())!=null) {

s.append(line);

s.append("\n");

}

Pattern p = Pattern.compile("(>.*?\\s)([ATGC\\s]+)", Pattern.DOTALL);

Matcher mat = p.matcher(s.toString());

while (mat.find()) {

seq_id = mat.group(1);

sequence = mat.group(2);

System.out.print(seq_id);

System.out.print(sequence);

}

// String str = s.findWithinHorizon(p, 0);

/* do {

System.out.println(str);

str = s.findWithinHorizon(p, 0);

} while (str != null); */

} catch (FileNotFoundException e) {

System.out.println(e.getMessage());

}

/* } finally {

if (s != null) {

s.close();

}

} */

}

}

javac ReadFa.java

java ReadFa test_A.fasta

这样就能输出每条序列的ID和对应的碱基序列了。