python - 搜索一行中单个表达式的多次出现

我有一个包含两列的数据集：


十进制数
一长串


我想从第二列中提取每个FBtr编号（例如FBtr0072798），而忽略其余的。

 0.850359 EFF=INTRON(MODIFIER|||||drpr|||FBtr0072798|4|1),INTRON(MODIFIER|||||drpr|||FBtr0072799|4|1),INTRON(MODIFIER|||||drpr|||FBtr0309845|4|1),SYNONYMOUS_CODING(LOW|SILENT|atT/atA|I690||CG18171|||FBtr0072800|1|1)
 0.473555 EFF=INTRON(MODIFIER|||||drpr|||FBtr0072798|4|1),INTRON(MODIFIER|||||drpr|||FBtr0072799|4|1),INTRON(MODIFIER|||||drpr|||FBtr0309845|4|1),SYNONYMOUS_CODING(LOW|SILENT|agC/agT|S371||CG18171|||FBtr0072800|1|1),UPSTREAM(MODIFIER|||||CG12035|||FBtr0072766||1)
 0.969735 EFF=INTRON(MODIFIER|||||drpr|||FBtr0072798|4|1),INTRON(MODIFIER|||||drpr|||FBtr0072799|4|1),INTRON(MODIFIER|||||drpr|||FBtr0309845|4|1),SYNONYMOUS_CODING(LOW|SILENT|gtT/gtC|V366||CG18171|||FBtr0072800|1|1),UPSTREAM(MODIFIER|||||CG12035|||FBtr0072766||1)

我最终希望将其转置为长格式，以便每一行都包含第一列中的十进制数字，并与单个FBtr数字配对。例如。，

 0.850359   FBtr0072798
 0.850359   FBtr0072799
 0.850359   FBtr0309845
 0.850359   FBtr0072800
 0.473555   FBtr0072798
 0.473555   FBtr0072799
 0.473555   FBtr0309845
 0.473555   FBtr0072800
 0.473555   FBtr0072766
 0.969735   FBtr0072798
 0.969735   FBtr0072799
 0.969735   FBtr0309845
 0.969735   FBtr0072800
 0.969735   FBtr0072766

我一直在尝试逐步进行此操作，首先将FBtr编号提取到单独的列中：

 0.850359   FBtr0072798 FBtr0072799 FBtr0309845 FBtr0072800
 0.473555   FBtr0072798 FBtr0072799 FBtr0309845 FBtr0072800 FBtr0072766
 0.969735   FBtr0072798 FBtr0072799 FBtr0309845 FBtr0072800 FBtr0072766

然后从宽格式转换为长格式。

现在，我在提取FBtr编号时遇到问题。我比unix在python方面的新手更多，所以我一直在尝试使用unix，因为我对语言更满意。到目前为止，我尝试过的最有希望的事情是使用sed来重复查找/替换每个术语。

 sed -e 's/\(.* \).*\(FBtr[0-9]*\).*\(FBtr[0-9]*\).*\(FBtr[0-9]*\).*\(FBtr[0-9]*\).*\(FBtr[0-9]*\).*/ \1 \2 \3 \4 \5 \6/ g' file.txt

这不仅在所有重复中都是丑陋的，而且仅当行中出现相同数量的FBtr时才有用，但不幸的是没有。关于如何在Unix或python中解决此问题的任何想法？

最佳答案

这是我认为符合您要求的小python程序。它使用str.split()和str.startswith()查找所有以FBtr开头的字符串。

码：

for line in test_data:
    num, string = line.split(' ', 1)
    for field in string.split('|'):
        if field.startswith('FBtr'):
            print(num, field)

测试数据：

test_data = [x.strip() for x in """
    0.850359 EFF=INTRON(MODIFIER|||||drpr|||FBtr0072798|4|1),INTRON(MODIFIER|||||drpr|||FBtr0072799|4|1),INTRON(MODIFIER|||||drpr|||FBtr0309845|4|1),SYNONYMOUS_CODING(LOW|SILENT|atT/atA|I690||CG18171|||FBtr0072800|1|1)
    0.473555 EFF=INTRON(MODIFIER|||||drpr|||FBtr0072798|4|1),INTRON(MODIFIER|||||drpr|||FBtr0072799|4|1),INTRON(MODIFIER|||||drpr|||FBtr0309845|4|1),SYNONYMOUS_CODING(LOW|SILENT|agC/agT|S371||CG18171|||FBtr0072800|1|1),UPSTREAM(MODIFIER|||||CG12035|||FBtr0072766||1)
    0.969735 EFF=INTRON(MODIFIER|||||drpr|||FBtr0072798|4|1),INTRON(MODIFIER|||||drpr|||FBtr0072799|4|1),INTRON(MODIFIER|||||drpr|||FBtr0309845|4|1),SYNONYMOUS_CODING(LOW|SILENT|gtT/gtC|V366||CG18171|||FBtr0072800|1|1),UPSTREAM(MODIFIER|||||CG12035|||FBtr0072766||1)
""".split('\n')[1:-1]]

给出输出：

0.850359 FBtr0072798
0.850359 FBtr0072799
0.850359 FBtr0309845
0.850359 FBtr0072800
0.473555 FBtr0072798
0.473555 FBtr0072799
0.473555 FBtr0309845
0.473555 FBtr0072800
0.473555 FBtr0072766
0.969735 FBtr0072798
0.969735 FBtr0072799
0.969735 FBtr0309845
0.969735 FBtr0072800
0.969735 FBtr0072766