[新手上路]批处理新手入门导读[视频教程]批处理基础视频教程[视频教程]VBS基础视频教程[批处理精品]批处理版照片整理器
[批处理精品]纯批处理备份&还原驱动[批处理精品]CMD命令50条不能说的秘密[在线下载]第三方命令行工具[在线帮助]VBScript / JScript 在线参考
返回列表 发帖
sweet惜缘

Rank: 2

帖子
165 
积分
164 
技术
0  
捐助
0  
注册时间
2011-11-20 
1楼 跳转到 » 倒序看帖
打印
tT
发表于 2015-12-27 17:24 | 只看该作者

[文本处理] 【已解决】如何批量提取文本中的指定内容？

drugbank.txt中的信息大致如下
（由于附件太大，我只上传了一个drug的具体信息，全部的上传到了百度网盘，连接如下），想要提取的内容都是红色加粗部分：
http://pan.baidu.com/s/1numNLLf

#BEGIN_DRUGCARD DB00001

# AHFS_Codes:
20:12.04.12

# ATC_Codes:
B01AE02

# Absorption:
Bioavailability is 100% following injection.

# Drug_Interactions:
Ginkgo biloba        Additive anticoagulant/antiplatelet effects may increase bleed risk. Concomitant therapy should be avoided.
Treprostinil        The prostacyclin analogue, Treprostinil, increases the risk of bleeding when combined with the anticoagulant, Lepirudin. Monitor for increased bleeding during concomitant thearpy.

# Indication:
For the treatment of heparin-induced thrombocytopenia

# KEGG_Drug_ID:
D06880

# Pathways:
Lepirudin Pathway        SMP00278


#END_DRUGCARD DB00001



希望经过处理后得到的out.txt如下：
BEGIN_DRUGCARD      ATC_Codes     Drug_Interactions                    Indication                                         KEGG_Drug_ID       Pathways
DB00001                    B01AE02        Ginkgo biloba，Treprostinil      heparin-induced thrombocytopenia       D06880                  SMP00278
DB00002                    ...                  ....                                        ...                                                      ...                          ...




如下是我的程序，得不到结果，希望大神能给出有效的程序（不需要帮我改我的程序），只要能得到我想要的结果就好，灰常感谢！！

# 2>nul&@Gawk -f %0 drugbank.txt&Exit
BEGIN{printf("ENTRY            ATC code        Indication       Drug_Interactions            PATHWAY\n")>>"$Data.txt";A[2]=I[2]=D[2]=P[2]="~"}
END{printf("\n拥有ATC code的药物有%d种\n拥有Drug group的药物有%d种\n拥有Therapeutic category的药物有%d种\n拥有PATHWAY的药物有%d种\n",_A,_I,_D,_P)>>"$Data.txt"}
$1~"///"{
    A[2]!="~"?_A++:0;I[2]!="~"?_I++:0;D[2]!="~"?_D++:0!="~"?_P++:0
    printf("%-16s %-15s %-16s %-31s %s\n",E,A[2],I[2],D[2],P[2])>>"$Data.txt"
    A[2]=I[2]=D[2]=P[2]="~"  
}
$1~"ENTRY"{{split($0,B,"BEGIN_DRUGCARD  ");gsub(" ",E[2])}
$0~"ATC code"{split($0,A,"ATC_Codes: ");gsub(" ",",",A[2])}
$0~"Indication:"{split($0,I,"Indication: ");gsub(" ",",",I[2])}
$0~"Drug_Interactions:"&&$0!~"of"{split($0,D,Drug_Interactions:: ");gsub(" ",",",D[2])}
$0~"PATHWAY"{split($0,P,"Pathways: ");gsub(" ",",",P[2])}
1

评分人数

    • pcl_test: 勿发笼统、无意义的标题PB -4
收藏 分享

DAIC

Rank: 8Rank: 8

帖子
2874 
积分
7021 
技术
336  
捐助
0  
注册时间
2011-6-2 
2楼
发表于 2015-12-27 17:55 | 只看该作者
在论坛上传文件之前是否可以先压缩一下？
sed.exe  gawk.exe  grep.exe  下载地址

TOP

pcl_test

Rank: 8Rank: 8

帖子
3041 
积分
5333 
技术
685  
捐助
0  
注册时间
2014-10-19 
3楼
发表于 2015-12-27 22:10 | 只看该作者
本帖最后由 pcl_test 于 2015-12-27 22:14 编辑 
  1. 1>1/* :

  2. @echo off

  3. cscript -nologo -e:jscript "%~f0" "drugbank.txt">结果.txt

  4. echo;完成

  5. pause & exit/b

  6. */

  7. 

  8. var txt ='';

  9. var fso = new ActiveXObject('Scripting.FileSystemObject');

  10. var f = fso.OpenTextFile(WScript.Arguments(0));

  11. while(!f.AtEndOfStream) {

  12.     var str = f.ReadLine();

  13.     if(/^\s*$/.test(str))var ATC_Codes=Drug_Interactions=Indication=KEGG_Drug_ID=Pathways=0;

  14.     if(ATC_Codes==1){

  15.         tmp+=str+',';

  16.     }else{

  17.         if(Drug_Interactions==1){

  18.             if(!/Not Available/.test(str)){

  19.                 tmp+=str.replace(/\s[A-Z].+$/,'')+',';

  20.             }else tmp+=str+',';

  21.         }else{

  22.             if(Indication==1){

  23.                 tmp+=str+',';

  24.             }else{

  25.                 if(KEGG_Drug_ID==1){

  26.                     tmp+=str+',';

  27.                 }else{

  28.                     if(Pathways==1){

  29.                         if(!/Not Available/.test(str)){

  30.                             tmp+=str.replace(/^.+\s/,'');

  31.                         }else tmp+=str;  

  32.                     }

  33.                 }

  34.             }

  35.         }

  36.     }

  37.     if(/^#\s?BEGIN_DRUGCARD/.test(str)){var tmp='';tmp+=str.replace(/^.+\s/,'')+'\t\t';}

  38.     if(/^# ATC_Codes/.test(str)){var ATC_Codes=1;tmp+='\t';}

  39.     if(/^# Drug_Interactions/.test(str)){var Drug_Interactions=1;tmp+='\t';}

  40.     if(/^# Indication/.test(str)){var Indication=1;tmp+='\t';}

  41.     if(/^# KEGG_Drug_ID/.test(str)){var KEGG_Drug_ID=1;tmp+='\t';}

  42.     if(/^# Pathways/.test(str)){var Pathways=1;tmp+='\t';}

  43.     if(/^#\s?END_DRUGCARD/.test(str))txt+=tmp.replace(/,\t/g,'\t\t')+'\r\n'

  44. }

  45. var caption = 'BEGIN_DRUGCARD\t\tATC_Codes\t\tDrug_Interactions\t\tIndication\t\tKEGG_Drug_ID\t\tPathways\r\n'

  46. WSH.Echo(caption+txt);
复制代码

TOP

sweet惜缘

Rank: 2

帖子
165 
积分
164 
技术
0  
捐助
0  
注册时间
2011-11-20 
4楼
发表于 2015-12-28 11:13 | 只看该作者
本帖最后由 sweet惜缘 于 2015-12-28 14:55 编辑

回复 3# pcl_test
程序有效！谢谢大神，现在还有一个问题。能否提取每个drug的Drug_Target_ID信息，（有的dug_target信息不止下面3个，可能多达几十个）：

# Drug_Target_1_ID:
3819

# Drug_Target_1_Locus:
11p11-q12

# Drug_Target_1_Molecular_Weight:
70037

# Drug_Target_1_Name:
Prothrombin

# Drug_Target_1_Number_of_Residues:
622

# Drug_Target_1_PDB_ID:
1HAG

# Drug_Target_2_ID:
54

最后希望得到的out_target.txt内容如下（有的没有target的信息就空着）：
BEGIN_DRUGCARD                 Drug_Target_1_ID                         Drug_Target_2_ID                   Drug_Target_3_ID     .....
DB00001                                3819                                            54                                          ...
DB00002                                ...                                                ...                                          ...
...
...



灰常感谢！！！

TOP

返回列表