如何挖掘特定数据
如何挖掘特定数据
提问于 2014-11-24 16:48:59
我有一个ID列表，上面有用分号分隔的冗长的描述。下面是一个ID及其描述的示例。
ID Description
O95831 activation of cysteine-type endopeptidase activity involved in apoptotic process; apoptotic DNA fragmentation; apoptotic process; cell redox homeostasis; chromosome condensation; DNA catabolic process; intrinsic apoptotic signaling pathway in response to endoplasmic reticulum stress; mitochondrial respiratory chain complex I assembly; NAD(P)H oxidase activity; neuron apoptotic process; neuron differentiation; oxidoreductase activity, acting on NAD(P)H; positive regulation of apoptotic process; regulation of apoptotic DNA fragmentation问题：想出了一种文本挖掘方法，在描述中提到了“线粒体”或“线粒体”或“线粒体”。regex对解决这个问题有用吗？或者哪些其他的方法可能有用呢？
预期结果：“线粒体”一词描述的提取
O95831 ;mitochondrial respiratory chain complex I assembly;感谢你的帮助，
回答 1
Stack Overflow用户
回答已采纳
发布于 2014-11-24 16:54:42
您可以使用正则表达式，例如
(\d+).*(.\s(?:mitochondria|mitochondrial|mitochondrion)[^;]+;)捕获组1和2将包含
O95831 ;mitochondrial respiratory chain complex I assembly;示例：http://regex101.com/r/mR8xA7/1
Python代码就像
>>> re.findall(r"""(\d+).*(.\s(?:mitochondria|mitochondrial|mitochondrion)[^;]+;)""", str)
[('095831', '; mitochondrial respiratory chain complex I assembly;')]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/27109864
复制相关文章
相似问题
腾讯云开发者
