Question

如何用java编程实现文本文档中某些有用信息的提取？

-- SMART RESULTS TEXTFORMAT --
USER_PROTEIN_ID = Q7RTP0
SMART_PROTEIN_ID = uniprot|Q7RTP0|NIPA1_HUMAN
NUMBER_OF_FEATURES_FOUND=9

DOMAIN=Pfam:DUF803
START=26
END=318
EVALUE=2.5e-80
TYPE=SMART
STATUS=visible|OK

DOMAIN=transmembrane_domain
START=26
END=48
EVALUE=0
TYPE=INTRINSIC
STATUS=hidden|overlap
-- FINISHED --

这是其中一小段文本文档，-- FINISHED --将不同基因分割开来，想提取出每个基因中TYPE=SMART对应的USER_PROTEIN_ID ，DOMAIN，START，END对应的值，并写到一个文本文档中，该怎么用java实现？？？？

Answer 1

1. 读取指定文本文件对象。

2. 利用过滤器可以把所需信息读取来即可。

3. 把读出来的信息输出（持久化）即可。

可参考以下代码

package tool;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileWriter;
import java.io.IOException;
import java.util.ArrayList;
//有序列出指定目录下所有文件及列表
public class FileListAndRemoveFile {
    public static void main(String[] args) throws IOException {
                                                                                                                                                                                                                        
        //创建需要打印的目录的对象
        File dir = new File("D:\\1");  
        ArrayList<File> list = new ArrayList<File>();
        getList(dir, list);
                                                                                                                                                                                                                        
        //创建输出文件
        File destFile = new File("d:\\list.txt");
        writer2destFile(destFile, list);
                                                                                                                                                                                                                        
        //打印到控制台,测试用
//      printOut(list);
                                                                                                                                                                                                                        
        //删除指定文件夹
//      removedir(dir);
    }
    public static void getList(File dir, ArrayList<File> list) {
        list.add(dir);
        File[] files = dir.listFiles();
        for(File file : files){
            if(file.isDirectory()){
                getList(file, list);
            }else
                list.add(file);
        }
    }
    private static void writer2destFile(File destFile, ArrayList<File> list) throws IOException {
        BufferedWriter bufw = new BufferedWriter(new FileWriter(destFile));
        for(File file : list){
            bufw.write(file.getAbsolutePath());
            bufw.newLine();
            bufw.flush();
        }
        bufw.close();
    }
    public static void removedir(File dir) {
        File[] files = dir.listFiles();
        for (File file : files) {
            if (file.isDirectory()) {
                removedir(file);
            } else
                System.out.println(file+"="+file.delete());
        }
        System.out.println(dir+"="+dir.delete());
    }
    public static void printOut(ArrayList<File> list) {
        for(File file : list){
            System.out.println(file.getAbsolutePath());
        }
    }
}

Answer 2

你想提取文本中认为有用的信息可以用到java的正则表达式。
但是你想获取的文本应该是有规律的（能够用正则表达式提取：比如：url....），否则无法实现。

Answer 3

我觉得可以用regex提取，但主要还是看您如何定义有用

Answer 4

什么叫有用信息？他们有什么规则？