正确使用split()

Question

我试图拆分文本行，并将关键信息存储在字典中。

例如，我的行看起来如下：

Lasal_00010 H293|H293_08936 42.37   321 164 8   27  344 37  339 7e-74    236
Lasal_00010 SSEG|SSEG_00350 43.53   317 156 9   30  342 42  339 7e-74    240

对于第一行，我的键是"Lasal_00010"，我要存储的值是"H293“。

在这种情况下，我当前的代码工作正常，但是当我遇到这样的一行时：

Lasal_00030 SSCG|pSCL4|SSCG_06461   27.06   218 83  6   37  230 35  200 5e-11   64.3

我的代码不会存储字符串"SSCG“。

以下是我的当前代码：

dataHash = {}
with open(fasta,'r') as f:
    for ln in f:
        query = ln.split('\t')[0]   
        query.strip()   
        tempValue = ln.split('\t')[1]
        value = tempValue.split('|')[0]
        value.strip()
        if not dataHash.has_key(query):
            dataHash[query] = ''
        else:
            dataHash[query] = value
for x in dataHash:
    print x + " " + str(dataHash[x])

我相信在这种情况下，我用两根竖线来划分直线是不正确的。但我不知道我的问题在哪里。难道"SSCG“不是我写value = tempValue.split('|')[0]时得到的值吗？有人能向我解释一下斯普利特是怎么工作的还是我错过了什么？

Answer 1

在第一根管子上分开，然后在空间上：

with open(fasta,'r') as f:
    for ln in f:
        query, value = ln.partition('|')[0].split()

我在这里使用str.partition()，因为您只需要拆分一次。

您的代码对使用选项卡的位置进行了假设；首先在第一个管道上拆分，我们就可以完全忽略行的其余部分，从而使从第二列拆分第一列变得更加简单。

演示：

>>> lines = '''\
... Lasal_00010 H293|H293_08936 42.37   321 164 8   27  344 37  339 7e-74    236
... Lasal_00010 SSEG|SSEG_00350 43.53   317 156 9   30  342 42  339 7e-74    240
... Lasal_00030 SSCG|pSCL4|SSCG_06461   27.06   218 83  6   37  230 35  200 5e-11   64.3
... '''
>>> for ln in lines.splitlines(True):
...     query, value = ln.partition('|')[0].split()
...     print query, value
... 
Lasal_00010 H293
Lasal_00010 SSEG
Lasal_00030 SSCG

但是，您的代码在某种程度上也能工作，尽管效率较低。你真正的问题是：

if not dataHash.has_key(query):
    dataHash[query] = ''
else:
    dataHash[query] = value

这实际上意味着:当我第一次看到query时，存储一个空字符串，否则存储value。我不知道为什么要这样做；如果没有以Lasal_00030开头的其他行，那么字典中只有一个空值。如果这不是目的所在，那就把价值存储起来：

dataHash[query] = value

没有if语句。

请注意，dict.has_key()已被废弃；最好使用in来测试密钥：

if query not in dataHash: