SDFを分割するスクリプトを作ってみた

はじめに

SDFの解析でエラーになった際に、どのデータがおかしいのか解析したいときがある。そういった場合、SDFを適当に切り出してみて、トライアンドエラーをすることが、ごくまれに(数年に1回)ある。今回、そのタイミングが来たのでツールを作って残すこととした。

仕様

• 何番目から何番目を取得するかをstartとendを指定すると、その間にあるデータを切り出し、別のsdfとして出力する。
• startを省略した場合は1, endを省略した場合は、sdfの一番最後を指定したものとする。
• デバッグ目的で使用することが多いため、RDKitなどインストールが面倒なツールは使わない。

できたソース

こんな感じ。使い方はソースを見れば一目瞭然なので省略。

sdf_cutter.py

import argparse

def main():

    parser = argparse.ArgumentParser()
    parser.add_argument("-input", type=str, required=True)
    parser.add_argument("-output", type=str, required=True)
    parser.add_argument("-start", type=int, default=1)
    parser.add_argument("-end", type=int, default=None)
    args = parser.parse_args()

    buf = ""
    cnt = 0

    with open(args.input, "r", encoding="utf8") as fr:
        fw = open(args.output, "w", encoding="utf8")
        line = fr.readline()
        while line:
            line = line.rstrip()
            if line == "$$$$":
                cnt += 1
                if cnt >= args.start and (not args.end or cnt <= args.end):
                    fw.write(buf)
                    fw.write("$$$$\n")
                buf = ""
            else:
                buf += line + "\n"
            line = fr.readline()
        fw.close()


if __name__ == "__main__":
    main()

おわりに

• scikit-learnのtrain_test_splitのSDF版を作っても面白いかも。需要はなさそうだけど...