当文件名在python中是变量时，如何更改它的一部分？

Question

我目前有一个python脚本，它将一个文件作为命令行参数，执行它需要执行的操作，然后输出附加了_all_ORF.fsa_aa的文件。我想实际编辑文件名，而不是追加文件名，但我对变量感到困惑。当文件是一个变量时，我不确定如何才能真正做到这一点

以下是命令行参数的示例：

gL=genomeList.txt   #Text file containing a list of genomes to loop through.             

for i in $(cat ${gL}); do
    #some other stuff ; 
    python ./find_all_ORF_from_getorf.py ${i}_getorf.fsa_aa ; 
    done

下面是一些python脚本（从_getorf.py中查找_all_ORF_）：

import re, sys

from Bio import SeqIO
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord

infile = sys.argv[1]

with open(f'{infile}_all_ORF.fsa_aa'.format(), "a") as file_object:
    for sequence in SeqIO.parse(infile, "fasta"):
       #do some stuff
       print(f'{sequence.description}_ORF_from_position_{h.start()},\n{sequence.seq[h_start:]}', 
       file=file_object)

目前，oupt文件名为Genome_file_getorf.fsa_aa_all_ORF.fsa_aa。我想删除第一个fsa_aa，以便输出如下：Genome_file_getorf_all_ORF.fsa_aa。我该怎么做？我不知道如何编辑它

我已经查看了os.rename module，但它似乎无法编辑变量名，只需附加到它

谢谢

J

Answer 1

关于bash代码，您可能会发现下面的代码片段很有用，我发现它更具可读性，并且在迭代行时经常使用它

while read line; do
    #some other stuff ; 
    python ./find_all_ORF_from_getorf.py ${line}_getorf.fsa_aa ; 
done < genomeList.txt

现在，关于您的问题和python代码

import re, sys 

from Bio import SeqIO
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord

infile = sys.argv[1]

在这一点上，你的填充将看起来像“基因组文件”\u getorf.fsa\u aa” 一个选项是通过“.”拆分此字符串并获取第一项

name = infile.split('.')[0]

如果您知道文件名中可能有几个“.”，比如“Myfile.out.old”，您只想去掉最后一个扩展名

name = infile.rsplit('.',1)[0]

第三个选项，如果您知道所有文件都以“.fsa_aa”结尾，您可以使用负索引对字符串进行切片。As“.fsa_aa”有7个字符：

name = input[:-7] 

这三个选项基于python中字符串处理的字符串方法，详见official python docs

outfile = f'{name}_all_ORF.fsa_aa' 
# if you wrote f'{variable}' you don't need the ".format()"
# On the other hand you can do '{}'.format(variable)
# or even '{variable}'.format(variable=SomeOtherVariable)

with open(outfile, "a") as file_object:
    for sequence in SeqIO.parse(infile, "fasta"):
       #do some stuff
       file_object.write(f'{sequence.description}_ORF_from_position_{h.start()},\n{sequence.seq[h_start:]}')

另一个选择是使用来自pathlib library的路径，我建议您使用这个库。在这种情况下，您必须对代码进行一些其他小更改：

import re, sys
from pathlib import Path # <- Here

from Bio import SeqIO
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord

infile = Path(sys.argv[1]) # <- Here
outfile = infile.stem + '_all_ORF.fsa_aa' # <- Here 
# And if you want to use outfile as a path I would suggest instead
# outfile = infile.parent.joinpath(infile.stem)

with open(outfile, "a") as file_object:
    for sequence in SeqIO.parse(infile, "fasta"):
       #do some stuff
       file_object.write(f'{sequence.description}_ORF_from_position_{h.start()},\n{sequence.seq[h_start:]}')

最后，正如您在这两种情况下看到的，我用file_object.write方法替换了print语句，写入文件比打印文件更好