论坛徽章:: 0

电梯直达

1楼 [收藏(0)] [报告]

发表于 2013-09-11 01:02 |只看该作者 |倒序浏览

本帖最后由 dpxiong19 于 2013-09-11 01:11 编辑

诚心求助各位大侠：

文档中的内容如下：
      LYS107NZG697N72.91.9
         GLU99OE2C687N43.22.2
         ARG21NH1G64O63.12.2
         ......

需要提取的数字和字符均以红颜色标记，现在想第一：从第1,2,3行中分别提取LYS,GLU,GLU后边的数字107,99,21(注："GLU99OE2C687N43.22.2"中99后边是字符'O'，而不是数字0)；第二：从第1,2,3行中分别提取数字697,687,64前边的字符'G','C','G'。感激不尽！诚求各位帮助！

文库|博客

Monox

家境小康

论坛徽章:: 7

2楼 [报告]

发表于 2013-09-11 08:59 |只看该作者

回复 1# dpxiong19

做生物信息的人就喜欢用混乱的格式来存储数据，虽然你说了你需要提取例子里的哪些数据，但是你没有描述清楚那个数据每一项到底是什么意思。根据我的理解最多我可以知道第一，你需要提取每个氨基酸后面的数字，至于你的第二个要求就不太清楚了，只能猜测是每行最后是一个字母加三个被点分隔的数字，它们的前面也是一个数字，然后你要提取这个数字之前的字母。我不打算给你现成的代码，只是从我的角度认为你应该把问题描述清楚，然后肯定就会有很多热心的人给你代码了。
P.S. 生物信息的数据处理一般不都是用Perl/Python等脚本语言吗？像这类问题利用脚本语言的正则表达式功能很容易实现（当然C/C++也可用正则表达式）。当然要高效的话，脚本语言还是比C/C++效率低就是了。