Come trovare la prima lettera maiuscola nella stringa usando python

Question

Sono un novizio pitone ma ho programmato un po 'di tempo in altre lingue. Ho una lunga serie di sequenze di DNA (lettere minuscole) e AA (lettere maiuscole). Inoltre all'inizio del file ho un nome di proteina tutto in maiuscolo. Quindi il mio file sembra così.

PROTEINNAMEatcgatcg ... JFENVKDFDFLK

ho bisogno di trovare la prima lettera maiuscola non nella stringa in modo da poter poi tagliare fuori il nome della proteina. Così, quello che vorrei da quanto precede è:

atcgatcg ... JFENVKDFDFLK

posso fare questo con un ciclo, ma che sembra eccessivo e inefficiente. C'è un modo semplicemente pitone per farlo?

Posso ottenere tutte le lettere maiuscole utilizzando re.findall ("[A-Z]", mystring), ma poi avrei bisogno di fare un confronto per vedere dove il risultato differisce dalla stringa originale.

Grazie!

Answer 1

siete quasi arrivati ​​con la vostra espressione regolare ... ma ci sono altri metodi oltre findall:

http://docs.python.org/library/re.html#re.sub

>>> import re 
>>> protein_regex = re.compile('^[A-Z]+') 
>>> dna = 'PROTEINNAMEatcgatcg... JFENVKDFDFLK' 
>>> protein_regex.sub('', dna) 
'atcgatcg... JFENVKDFDFLK' 

Non sei sicuro di prestazioni, ma si potrebbe anche fare

>>> import string 
>>> dna.lstrip(string.uppercase) 
'atcgatcg... JFENVKDFDFLK' 

Ed ecco:

python -m timeit -n 10000 -s 'import re' -s 'protein_regex = re.compile("^[A-Z]+")' -s 'dna = "PROTEINNAMEatcgatcg... JFENVKDFDFLK"' 'protein_regex.sub("", dna)' 
10000 loops, best of 3: 1.36 usec per loop 

python -m timeit -n 10000 -s 'import string' -s 'dna = "PROTEINNAMEatcgatcg... JFENVKDFDFLK"' 'dna.lstrip(string.uppercase)' 
10000 loops, best of 3: 0.444 usec per loop 

Secondo, sembra essere ~ 3 volte più veloce.

Answer 2

Usa re.search():

import re 
s1 = "ASDFASDFASDFasdfasdfasdfasdfasdf" 
m = re.search("[a-z]", s1) 
if m: 
    print "Digit found at position %d" % m.start() 
else: 
    print "No digit in that string" 

Answer 3

Prova questa, è il più breve come si può ottenere:

import re 
s = 'PROTEINNAMEatcgatcg... JFENVKDFDFLK' 
i = re.search('[a-z]', s).start() 
protein, sequences = s[:i], s[i:] 

print protein 
> PROTEINNAME 

print sequences 
> atcgatcg... JFENVKDFDFLK