这个代码是在以前的帖子中建立的。我正在努力调整它以适应我们的数据。但这不管用。。以下是我们的文件示例:read:1424:2165 TGACCA/1:2165 TGACCA/2
1..100 +chr1:3033296..3033395 #just this line
1..100 -chr1:3127494..3127395
1..100 +chr1:3740372..3740471
1 concordant read:1483:2172 TGACCA/1:2172 TGACCA/2
1..100 -chr7:94887644..94887545 #and just this line
该代码应执行以下操作:搜索每一行
识别字符串“read:”
转到下一行并提取+chr:编号..编号'
就一次!然后搜索下一个“read:”等。。。在
所以,如果我在“读”之后多次出现“-chr:no..no”,那么只需要第一个。在
不幸的是,我不知道该怎么做。。。在
^{pr2}$
输出应该如下所示:1 3033293 3033395
7 94887644 94887545
有人扔给我一根骨头
根据以下答案更新
好吧,我上传了一个我用过的Tim McNamara的稍作修改的版本。它工作得很好,但是输出不能识别“chr”后面有两个数字的数字,并在最后一个数字之后打印一个字符串with open(infile, mode='r') as in_f, open(outfile, mode='w') as out_f:
lines = [line for line in in_f.readlines()]
for i, line in enumerate(lines):
if 'read' in line:
data = lines[i+1].replace(':', '..').split('..')
try:
out_f.write('{} {} {}\n'.format(data[1][-1], data[2], data[3])) #Here I tried to remove data[3] to avoid to have "start" in the output file.. didn't work ..
except IndexError:
continue
以下是使用此代码获得的输出:6 140302505 140302604 start # 'start' is a string in our data after this number
5 46605561 46605462 start # I don't understand why it grabs it thou...
5 46605423 46605522 start # I tried to modify the code to avoid this, but ... didn't work out
6 29908310 29908409 start
6 29908462 29908363 start
4 12712132 12712231 start
我怎样才能修正这两个错误?在