python - 使用Python从Newick格式提取分支长度

我在python中有一个列表，其中包含一个项目，这是一棵以Newick格式编写的树，如下所示:

['(BMNH833953:0.16529463651919140688,(((BMNH833883:0.22945757727367316336,(BMNH724182a:0.18028180766761139897,(BMNH724182b:0.21469677818346077913,BMNH724082:0.54350916483644962085):0.00654573856803835914):0.04530853441176059537):0.02416511342888815264,(((BMNH794142:0.21236619242575086042,(BMNH743008:0.13421900772403019819,BMNH724591:0.14957653992840658219):0.02592135486124686958):0.02477670174791116522,BMNH703458a:0.22983459269245612444):0.00000328449424529074,BMNH703458b:0.29776257618061197086):0.09881729077887969892):0.02257522897558370684,BMNH833928:0.21599133163597591945):0.02365043128986757739,BMNH724053:0.16069861523756587274):0.0;']

树状显示如下:

我正在尝试编写一些代码，以遍历列表项并返回ID(BMNHxxxxxx)，这些ID由分支长度0(例如

JustTree = []
with JustTree as f:
    for match in re.finditer(r"(?<=Item\sA)(?:(?!Item\sB).){50,}", subject, re.I):
        f.extend(match.group()+"\n")

从另一个StackOverflow答案中获取，其中项目A将是“:”，因为分支长度总是出现在:之后，而项目B将是“，”或“)”或“;”因为这些字符限制了它的三个字符，但是我在正则表达式中经验不足，无法做到这一点。

通过在这种情况下使用0的分支长度，我希望代码输出['BMNH703458a'，'BMNH703458b']。如果我可以将其更改为还包括ID，并且ID由用户定义值的分支长度(例如0.01)连接，则将非常有用。

如果有人有任何意见，或者可以给我指出一个有用的答案，我将不胜感激。

最佳答案

好的，这是一个仅提取数字(带有可能的小数)的正则表达式:

\b[0-9]+(?:\.[0-9]+)?\b

\b确保在其旁边的数字周围没有其他数字，字母或下划线。这称为单词边界。
[0-9]+匹配多个数字。
(?:\.[0-9]+)?是一个可选组，表示它可能匹配，也可能不匹配。如果在第一个[0-9]+后面有一个点和数字，则它将匹配这些点和数字。否则，不会。该组本身匹配一个点和至少1位数字。

您可以将其与re.findall一起使用，以将所有匹配项放在列表中:

import re
NewickTree = ['(BMNH833953:0.16529463651919140688,(((BMNH833883:0.22945757727367316336,(BMNH724182a:0.18028180766761139897,(BMNH724182b:0.21469677818346077913,BMNH724082:0.54350916483644962085):0.00654573856803835914):0.04530853441176059537):0.02416511342888815264,(((BMNH794142:0.21236619242575086042,(BMNH743008:0.13421900772403019819,BMNH724591:0.14957653992840658219):0.02592135486124686958):0.02477670174791116522,BMNH703458a:0.22983459269245612444):0.00000328449424529074,BMNH703458b:0.29776257618061197086):0.09881729077887969892):0.02257522897558370684,BMNH833928:0.21599133163597591945):0.02365043128986757739,BMNH724053:0.16069861523756587274):0.0;']

pattern = re.compile(r"\b[0-9]+(?:\.[0-9]+)?\b")

for tree in NewickTree:
    branch_lengths = pattern.findall(tree)
    # Do stuff to the list branch_lengths
    print(branch_lengths)

对于此列表，您可以打印以下内容:

['0.16529463651919140688', '0.22945757727367316336', '0.18028180766761139897',
 '0.21469677818346077913', '0.54350916483644962085', '0.00654573856803835914',
 '0.04530853441176059537', '0.02416511342888815264', '0.21236619242575086042',
 '0.13421900772403019819', '0.14957653992840658219', '0.02592135486124686958',
 '0.02477670174791116522', '0.22983459269245612444', '0.00000328449424529074',
 '0.29776257618061197086', '0.09881729077887969892', '0.02257522897558370684',
 '0.21599133163597591945', '0.02365043128986757739', '0.16069861523756587274',
 '0.0']

关于python - 使用Python从Newick格式提取分支长度，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23172293/