在 python 中寻找两个字符串之间的特定模式 - fastq 文件 - 测序读取

Question

我正在尝试用 python 编写一个代码来帮助我在两个特定字符串之间寻找一个字符串。当我用单个字符串实现代码时，我得到了所需的输出。但是，我需要匹配序列数组中的模式。它一直给我一个错误。

定义一个函数来查找两个用户指定序列之间的模式：

import re
def find_between(prefix, suffix, text):
pattern = r"{}\s*(.*)\s*{}".format(re.escape(prefix), re.escape(suffix))
result = re.search(pattern, text, re.DOTALL)
if result:
    return result.group(1)
else:
    return None

当我尝试单个字符串时，它可以工作：

text = "AGGTCCTGTAAACCT"
prefix = "TCCT"
suffix = "ACCT"
find_between(prefix, suffix, text)

输出：'GTAA'

但是当我尝试读取 fastq 文件并执行搜索时，却没有：

seqs = readFastq('FN1.fastq')

text = seqs
prefix = "TCCT"
suffix = "ACCT"
find_between(prefix, suffix, text)

它抛出了这个错误

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-26-9c35672e7561> in <module>()
  2 prefix = "TCCT"
  3 suffix = "ACCT"
----> 4 find_between(prefix, suffix, text)

<ipython-input-19-5f42599c717f> in find_between(prefix, suffix, text)
  3 def find_between(prefix, suffix, text):
  4     pattern = r"{}\s*(.*)\s*{}".format(re.escape(prefix),     re.escape(suffix))
----> 5     result = re.search(pattern, text, re.DOTALL)
  6     if result:
  7         return result.group(1)

/Users/shravantikrishna/anaconda/lib/python3.6/re.py in search(pattern, string, flags)
180     """Scan through string looking for a match to the pattern, returning
181     a match object, or None if no match was found."""
--> 182     return _compile(pattern, flags).search(string)
183 
184 def sub(pattern, repl, string, count=0, flags=0):

TypeError: expected string or bytes-like object

Answer 1

在这种看似简单的情况下，我不会使用正则表达式进行匹配。如果您对查找前缀和后缀之间的文本感兴趣，可以使用： 结果 = text.lstrip(prefix[:2]).rstrip(suffix[:2]) 但是你没有说前缀和后缀中哪2个字符不需要匹配。

这里有一些示例代码和数据...

text = 'XXsome data that needs to be parsedXX'
prefix = 'XXYY'
suffix = 'XXYY'
result = text.lstrip(prefix[:2]).rstrip(suffix[:2])
print(result)

some data that needs to be parsed