提取单词直到某个符号

Question

嗨，我有这个 uniprot gff 数据，看起来像

+--------+--------+-------+------+------------------------------------------------------------------------------------------------------+
| Entry  | check  | start | end  |                                               Domains                                               |
+--------+--------+-------+------+------------------------------------------------------------------------------------------------------+
| O75581 | Repeat |    63 |  106 |  Note=LDL-receptor class B 1                                                                         |
| O75581 | Repeat |   150 |  193 |  Note=LDL-receptor class B 3                                                                         |
| O75581 | Domain |   282 |  324 |  Note=EGF-like 1                                                                                     |
| O75581 | Domain |  1248 | 1286 |  Note=LDL-receptor class A 1;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00124 |
| O75581 | Domain |  1287 | 1323 |  Note=LDL-receptor class A 2;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00124 |
| O75581 | Domain |  1325 | 1361 |  Note=LDL-receptor class A 3;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00124 |
| P13688 | Domain |    35 |  142 |  Note=Ig-like V-type;Ontology_term=ECO:0000250;evidence=ECO:0000250|UniProtKB:P31997                 |
| P13688 | Domain |   145 |  232 |  Note=Ig-like C2-type 1;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00114      |
| P13688 | Domain |   237 |  317 |  Note=Ig-like C2-type 2;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00114      |
| P13688 | Domain |   323 |  413 |  Note=Ig-like C2-type 3;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00114      |
| P19022 | Domain |   160 |  267 |  Note=Cadherin 1;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00043             |
| P19022 | Domain |   268 |  382 |  Note=Cadherin 2;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00043             |
| P19022 | Domain |   383 |  497 |  Note=Cadherin 3;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00043             |
| Q13586 | Domain |   132 |  200 |  Note=SAM;Ontology_term=ECO:0000255;evidence=ECO:0000255|PROSITE-ProRule:PRU00184                    |
| P04629 | Repeat |    90 |  113 |  Note=LRR 1                                                                                          |
| P04629 | Repeat |   116 |  137 |  Note=LRR 2                                                                                          |
+--------+--------+-------+------+------------------------------------------------------------------------------------------------------+

我正在尝试提取域名列 df['Domains]。使用以下代码，我接近于获取域名的前 2 3 个词，但不能普遍使用。

for row in df['Domains']:
    print(re.findall(r'Note=(\w*)(.?)(\w*)', row))

它给出了这样的东西

[('LDL', '-', 'receptor')]
[('LDL', '-', 'receptor')]
[('EGF', '-', 'like')]
[('Ig', '-', 'like')]
[('Ig', '-', 'like')]`

所以，我希望改变我的方法，让所有内容都在 Note= 之后开始，在 ; 或行尾之前结束。我怎样才能得到这个？

Answer 1

能否请您尝试以下。

for row in df['Domains']:
    print(re.findall(r'Note=([^;]*)', row))

Answer 2

for row in df['Domains']:
    phrase = re.findall('.*;', row)
    if len(phrase) > 0:
        print(phrase[0])
    else:
        print(row)

Answer 3

贪婪版本：

(?:注=).*(?:;)

None贪心版：

(?:注=).*?(?:;)

匹配'Note='但不捕获它。匹配并捕获所有其他字符，直到遇到分号。匹配分号但不捕获它。

贪婪版本捕获到最后一个分号。

None 贪婪版本捕获到第一个分号。

提取单词直到某个符号

Extract word uptill certain symbol

python

regex

findall