Python-用大写和小写元素分开遗传数据，没有空间进入列表

Question

我正在处理过滤大量遗传数据。为了易于参考，我们将使用一串较短的元素：

geneData = 'gggtacaccaaGGCCTATAACAttacatCTACATTGGAtcaggatccaaaATTAAGGAA'

我想将此字符串分为单词的所有大写部分的列表（最终使用小写部分），所以这是我所需的输出：

cleanedExons = ['GGCCTATAACA', 'CTACATTGGA', 'ATTAAGGAA']

这类似于我过去如何将单词与句子分开，我一直在尝试调整代码以将字符串分为列表，但很少成功。这是我当前的代码：

def Exon_Split(string):
    IntronLetters = 'gcat'
    L=string.split(IntronLetters)
    cleanedExons=[]
    ExonLetters = 'GCAT'
    for e in L:
        word = ''
        for c in e:
            if c in ExonLetters:
                word += c
        if word!=ExonLetters:
            cleanedExons.append(word)
    print(cleanedExons)
Exon_Split(geneData)

这是我获得的输出。如您所见，它不会被分为所需的元素：

['GGCCTATAACACTACATTGGAATTAAGGAA']

有没有办法使python将这些大写的这些块视为"单词"？

Answer 1

有问题吗？使用Regex：

import re
geneData = 'gggtacaccaaGGCCTATAACAttacatCTACATTGGAtcaggatccaaaATTAAGGAA'
pU = re.compile('[A-Z]+')
pL = re.compile('[a-z]+')
cleanedExons = pU.findall(geneData)
# repeat with PL

我做了一些性能测试，出于无聊：

# 10000000 iterations
# regex split: 40.23s
# regex findall: 26.53s
# the itertool version posted in another answer: 163.82s

所以re.findall是赢家。findall的学分转到 @tomothy32，我发布的初始版本使用了split。

Answer 2

使用itertools.groupby是一种方法：

import itertools
geneData = 'gggtacaccaaGGCCTATAACAttacatCTACATTGGAtcaggatccaaaATTAAGGAA'
cleanedExons = [''.join(g) for k, g in itertools.groupby(geneData, key=str.isupper) if k]
print(cleanedExons)
# ['GGCCTATAACA', 'CTACATTGGA', 'ATTAAGGAA']

对于小写，只需将str.isupper更改为str.islower。