在R中如何用正则表达式提取第1与第2个|之间的UniProt ID

实现方法 #

你可以借助pandas的字符串匹配功能快速完成提取，代码示例如下：

import pandas as pd

# 此处替换为你自己的DataFrame变量名
df = 你的DataFrame变量

# 1. 截取第5到第14行（注：如果你的行号是从1开始计数，pandas的iloc为左闭右开规则，所以取索引4到14）
selected_rows = df.iloc[4:14]

# 2. 提取目标列中第一次和第二次|之间的内容，替换target_col为你实际存储ID序列的列名
uniprot_ids = selected_rows['target_col'].str.extract(r'\|([^|]+)\|', expand=False)

# 直接输出ID列表
print(uniprot_ids.tolist())

# 若需要导出为每行一个ID的文本文件，执行以下代码即可
# uniprot_ids.to_csv("uniprot_ids.txt", index=False, header=False)

运行后输出的结果就和你给出的预期格式一致。

内容的提问来源于stack exchange，提问作者accibio