如何用Python提取XML文件中sequence标签内的氨基酸序列

你可以通过以下几种纯Python方法提取连续的氨基酸序列，无需额外依赖：

• 方法一：按行分割处理
  先将FASTA文本按换行拆分成行列表，跳过开头的标题行，再拼接剩余行并去除所有空白字符：

  fasta_content = drug.find('sequences').find('sequence').text
  # 拆分文本为行
  lines = fasta_content.splitlines()
  # 跳过标题行，拼接所有序列行并清除空白
  pure_sequence = ''.join(line.strip() for line in lines[1:])
  

• 方法二：定位换行符截取内容
  找到第一个换行符的位置，截取后续内容后清除所有空白：

  fasta_content = drug.find('sequences').find('sequence').text
  # 截取第一个换行后的所有内容
  sequence_part = fasta_content[fasta_content.find('\n') + 1:]
  # 清除所有空白（换行、空格等）
  pure_sequence = ''.join(sequence_part.split())
  

如果处理大量FASTA格式内容或需要更健壮的解析，推荐使用BioPython库：

from Bio import SeqIO
from io import StringIO

fasta_content = drug.find('sequences').find('sequence').text
# 将文本转为类文件对象供SeqIO解析
seq_record = next(SeqIO.parse(StringIO(fasta_content), 'fasta'))
pure_sequence = str(seq_record.seq)

使用前需要先安装BioPython：pip install biopython

内容的提问来源于stack exchange，提问作者Orca