将文本文件按字符分割为列表项导入Python

Question

我有一个普通的文本文件，里面的内容如下：

@M00964: XXXXX
YYY
+
ZZZZ 
@M00964: XXXXX
YYY
+
ZZZZ
@M00964: XXXXX
YYY
+
ZZZZ

我想把这些内容读入一个列表中，并根据ID代码@M00964来分割，也就是说：

['@M00964: XXXXX
YYY
+
ZZZZ' 
'@M00964: XXXXX
YYY
+
ZZZZ'
'@M00964: XXXXX
YYY
+
ZZZZ']

我试过使用

in_file = open(fileName,"r")
sequences = in_file.read().split('@M00964')[1:]
in_file.close()

但这样会把ID序列@M00964去掉。有没有办法保留这个ID序列呢？

另外，我想问一下，是否有办法在列表中保持空格（而不是用/n符号表示）？

我的总体目标是读取这一组项目，举个例子，取前两个，然后把它们写回一个文本文件，同时保持所有原始格式。

Answer 1

只需要在@符号上进行分割就可以了：

with open(fileName,"r") as in_file:
    sequences = in_file.read().replace("@","###@").split('###')

Answer 2

如果你的文件很大，而你又不想把整个文件都放在内存里，你可以使用这个辅助函数来逐条读取记录：

def chunk_records(filepath)
    with open(filepath, 'r') as f:
        record = []
        for line in f:
            # could use regex for more complicated matching
            if line.startswith('@M00964') and record:
                yield ''.join(record)
                record = []
            else:
                record.append(line)
        if record:
            yield ''.join(record)

用法如下：

for record in chunk_records('/your/filename.txt'):
    ...

或者，如果你想把整个文件都放在内存里：

records = list(chunk_records('/your/filename.txt'))

Answer 3

针对你的例子，你是不是可以这样做：

in_file = open(fileName, 'r')
file = in_file.readlines()

new_list = [''.join(file[i*4:(i+1)*4]) for i in range(int(len(file)/4))]
list_no_n = [item.replace('\n','') for item in new_list]

print new_list
print list_no_n

[扩展形式]

new_list = []
for i in range(int(len(file)/4)): #Iterates through 1/4 of the length of the file lines.
                                  #This is because we will be dealing in groups of 4 lines
    new_list.append(''.join(file[i*4:(i+1)*4])) #Joins four lines together into a string and adds it to the new_list

[写入新文件]

write_list = ''.join(new_list).split('\n')
output_file = open(filename, 'w')
output_file.writelines(write_list)