如何找到位于标题标签之间的文件的标题

Question

我有一些文件有“TITLE...”，然后有“JOURNAL...”紧随其后。特定的行是多种多样的，并且每个文件都不是静态的。我正在尝试提取“... TITLE ...”和“... JOURNAL ...”之间存在的所有信息。到目前为止，我只能提取包含“TITLE”的行，但对于某些文件，它会溢出到下一行。

我推断我必须使用 a=line.find("TITLE") 和 b=line.find("JOURNAL") 然后设置 for i in range(a,b): 的 for 循环：显示 698-768 字符串的所有数值，但只显示数字而不是字符串。如何显示字符串？那么我该如何清理它以不显示“TITLE”、“JOURNAL”以及这两者之间的空格和我需要的文本？谢谢！

这是显示“TITLE”所在的单行

def extract_title():
    f=open("GenBank1.gb","r")
    line=f.readline()
    while line:
        line=f.readline()
        if "TITLE" in line:
            line.strip("TITLE   ")
            print(line)   
    f.close()
extract_title()

这是当前块，在单独的行上按升序显示所有这些数字。

def extract_title():
    f=open("GenBank1.gb","r")
    line=f.read()
    a=line.find("TITLE")
    b=line.find("JOURNAL")
    line.strip()
    f.close()

    if "TITLE" in line and "JOURNAL" in line:
        for i in range(a,b):
            print(i)


extract_title()

目前，我从 698-768 显示如下： 698 699 700 ETC... 我想先让他们像，698 699 700， 然后将它们转换为它们的字符串值 然后我想了解如何去除空格以及“TITLE”和“JOURNAL”值。谢谢！

Answer 1

我不确定我是否得到了您想要在这里实现的目标，但如果我理解正确，您有一个类似于此“TITLE 659 JOURNAL”的字符串并且想要获得中间的值？如果是这样，您可以像这样使用切片符号：

line = f.read()
a = line.find("TITLE") + 5 # Because find gives index of the start so we add length
b = line.find("JOURNAL")
value = line[a:b]
value = value.strip() # Strip whitespace

如果我们现在要返回值或打印出来，我们会得到：

'659'

类似地，如果您想在 JOURNAL 之后获取值，您可以再次使用切片表示法：

idx = line.find("JOURNAL") + 7
value = line[idx:] # Start after JOURNAL till end of string

Answer 2

你不需要循环。只需使用切片：

line = 'fooTITLEspamJOURNAL'
start = line.find('TITLE') + 5 # 5 is len('TITLE')
end = line.find('JOURNAL')
print(line[start:end])

输出

spam

另一种选择是拆分

print(line.split('TITLE')[1].split('JOURNAL')[0])

str.split() 返回列表。我们使用索引来获取我们想要的元素。 慢动作：

part2 = line.split('TITLE')[1]
title = part2.split('JOURNAL')[0]
print(title)