正则表达式在处理txt文档时遇到的问题

nxhylyh

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，今天才找到找个论坛·~~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:

1. 
   
2. clc;clear;
   
3. file=fopen('fasta.txt','r');
   
4. fname={};fname1={};
   
5. fbase={};
   
6. while feof(file)==0
   
7.       str=fgetl(file);
   
8.       fname1=regexpi(str,'(?<=>)[A-Z0-9]+$','match');
   
9.       fbase=regexpi(str,'^[a-z]+$','match');
   
10.       if ~isempty(fname1)
    
11.         mkdir(fname1{1});
    
12.         k1=strcat('D:\mat\work\',fname1{1},'\base.txt');
    
13.         fname=[fname; fname1];
    
14.         fname1={};
    
15.       end
    
16.        if ~isempty(fbase)
    
17.         fid1=fopen(k1,'a');
    
18.         fwrite(fid1,fbase{1});
    
19.         fclose(fid1);
    
20.         fbase1={};
    
21.        end
    
22. end
    
23. fclose('all');
    

复制代码

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~~~
附件fasta高达1000K。无法上传~伤心~大家有需要留言，可以上传邮箱，全天恭候~~

[ 本帖最后由 nxhylyh 于 2010-2-16 19:08 编辑 ]

sogooda

有关正则表达式的一点儿学习资料，可以参看
http://forum.vibunion.com/forum/vi ... 2%B1%ED%B4%EF%CA%BD
http://forum.vibunion.com/forum/vi ... 2%B1%ED%B4%EF%CA%BD
问题可以一个一个的解决，你的问题用正则表达式肯定能做的。1MB大小的文件，也不算太大，不过按照你的要求建立那么多文件夹的话应该是有点儿慢。

[ 本帖最后由 sogooda 于 2010-2-17 12:40 编辑 ]

nxhylyh

谢谢LS~
关于正则表达式的中文资料都已经看过了~呵呵
就是最后几步，个人就想无法用行读和多字符串操作，就用fread格式，但是奈何，运行后不出现结果，CPU占用率一直高达50%，无解
难道是2进制非常慢？