正则表达式在处理txt文档时遇到的问题

nxhylyh · #1

先说点废话~老师在寒假给小弟一个课题，就是在matlab中运用正则表达式来处理txt文档,小弟matlab新手~正则表达式中文资料太少了~英文又太差劲，所以对英文资料只好自动过滤了~摸索了半个多月，删删改改，论坛也去了好多个·~~自我感觉这个题目如果能完成应该是对matlab中正则表达式的一个实例吧~希望大家看看~好了，转入正题~
先介绍下附件1的格式:

>AB016625
GCGGCCCAGGCCCGGAACCTTCCCTGGTCGTGCG
>AF008216
AAGCTTTCCT

题目1:将'>'符号后跟的的字符串(母字符串)提取出来并建立以字符串命名的文件夹(如文件夹ABO16625,文件夹AF008216)
题目2:在相应的文件下建立base.txt
题目3:将母字符串下面的字符串(子字符串)提取出来储存在相应的base.txt里面
这3个题目，小弟摸爬滚打算是做出来了，共享如下:

代码：全选

 
clc;clear;
file=fopen('fasta.txt','r');
fname={};fname1={};
fbase={};
while feof(file)==0
      str=fgetl(file);
      fname1=regexpi(str,'(?<=>)[A-Z0-9]+$','match');
      fbase=regexpi(str,'^[a-z]+$','match');
      if ~isempty(fname1)
        mkdir(fname1{1});
        k1=strcat('D:\mat\work\',fname1{1},'\base.txt');
        fname=[fname; fname1];
        fname1={};
      end
       if ~isempty(fbase)
        fid1=fopen(k1,'a');
        fwrite(fid1,fbase{1});
        fclose(fid1); 
        fbase1={};
       end
end
fclose('all');

但是接下来的题目小弟实在困惑不已，望各位指教
先介绍hmrcds格式:

AB016625 12 24 35 67
AF008216 12 15
U25134 11 15

题目4:在相应母字符串命名的文件夹下建立cds.txt文档
题目5:将hmrcds中母字符串后的纯数字字符串提取出来存在各自的cds.txt中
题目6:在相应的文件夹中，由cds.txt中储存的偶数个数字为根据，提取出base.txt中的字符串,并储存在由此在相应文件夹下建立的ex1.txt,ex2.txt……中~,例如在AB016625命名的文件夹下,在base.txt中取出12-24的字符串存在ex1.txt,取出35-67的字符串存在ex2.txt中~
是不是看的头大~~~

题目4小弟可以做出来，题目5，小弟用正则表达式实在做不出来，题目6还没做到
另外，小弟今天知道用
f = fopen('fasta.txt','rt'); % t 属性根据需要可省略
x = fread(f,'*char');
fclose(f);
x=x'
可以将文档以字符串形式读入(textread读取后是一个cell格式),于是就用
fname1=regexpi(x,'(?<=>)\w+','match')
来完成题目题目1中的提取母字符串，结果在matlab运行后，不出现结果，同时cpu使用达到50%，不知道怎么回事~大家指点小弟下吧~~~