使用python替换特定行中的字符串

Question

我正在编写一个python脚本，用特定的扩展名（.seq）替换目录中每个文本文件的字符串。替换的字符串应该只来自每个文件的第二行，并且输出是一个新的子目录（称为clean），其文件名与原始文件相同，但后缀为*.clean。输出文件包含与原始文件完全相同的文本，但替换了字符串。我需要将所有这些字符串：“K”、“Y”、“W”、“M”、“R”、“S”替换为“N”。

这就是我在谷歌搜索后想到的。这是非常混乱（第二周的编程），它停止复制文件到干净的目录，而不替换任何东西。我非常感谢你的帮助。

谢谢你！

import os, shutil

os.mkdir('clean')

for file in os.listdir(os.getcwd()):
    if file.find('.seq') != -1:
        shutil.copy(file, 'clean')

os.chdir('clean')

for subdir, dirs, files in os.walk(os.getcwd()):
    for file in files:
        f = open(file, 'r')
        for line in f.read():
            if line.__contains__('>'): #indicator for the first line. the first line always starts with '>'. It's a FASTA file, if you've worked with dna/protein before.
                pass
            else:
                line.replace('M', 'N')
                line.replace('K', 'N')
                line.replace('Y', 'N')
                line.replace('W', 'N')
                line.replace('R', 'N')
                line.replace('S', 'N')

Answer 1

一些注释：

1. string.replace和re.sub不在适当的位置，因此应该将返回值重新分配给变量。
2. glob.glob更适合在目录中查找与定义的模式匹配的文件。。。
3. 也许您应该在创建目录之前检查它是否已经存在（我只是假设，这可能不是您想要的行为）
4. with语句负责以安全的方式关闭文件。如果您不想使用它，您必须使用tryfinally。
5. 在您的示例中，您忘记将sufix放在*.clean；）
6. 如果不是真正编写文件，可以像我在示例中那样执行，或者使用fileinput模块（直到今天我才知道）

我举个例子：

import re
import os
import glob

source_dir=os.getcwd()
target_dir="clean"
source_files = [fname for fname in glob.glob(os.path.join(source_dir,"*.seq"))]

# check if target directory exists... if not, create it.
if not os.path.exists(target_dir):
    os.makedirs(target_dir)

for source_file in source_files:
   target_file = os.path.join(target_dir,os.path.basename(source_file)+".clean")
   with open(source_file,'r') as sfile:
      with open(target_file,'w') as tfile:
         lines = sfile.readlines()
         # do the replacement in the second line.
         # (remember that arrays are zero indexed)
         lines[1]=re.sub("K|Y|W|M|R|S",'N',lines[1])
         tfile.writelines(lines)

print "DONE"

希望有帮助。

Answer 2

以下是一些一般提示：

1. 不要使用find检查文件扩展名（例如，这也将匹配“file1.seqdata.xls”）。至少使用file.endswith('seq')，或者更好的是，os.path.splitext(file)[1]

2. 实际上，不要完全那样做。这就是你想要的：

   import glob
   seq_files = glob.glob("*.seq")
   

3. 不要复制文件，只使用一个循环更容易：

   for filename in seq_files:
       in_file = open(filename)
       out_file = open(os.path.join("clean", filename), "w")
       # now read lines from in_file and write lines to out_file
   

4. 不要使用line.__contains__('>')。你的意思是

   if '>' in line:
   

   （将在内部调用__contains__）。但实际上，您想知道行是否以“>；”开头，而不是行内某个地方是否有行，无论它是否在开头。所以最好的办法是：

   if line.startswith(">"):
   

   我不熟悉您的文件类型；如果">"检查真的只是为了确定第一行，那么有更好的方法可以做到这一点。

5. 你不需要if块（你只需要pass）。写起来更干净

   if not something:
       do_things()
   other_stuff()
   

   而不是

   if something:
       pass
   else:
       do_things()
   other_stuff()
   

学Python玩得开心！

Answer 3

您应该用line=line.replace('M', 'N')替换line.replace('M', 'N')。replace返回替换了相关子字符串的原始字符串的副本。

一个更好的方法（IMO）是使用re。

import re

line="ABCDEFGHIJKLMNOPQRSTUVWXYZ"
line=re.sub("K|Y|W|M|R|S",'N',line)
print line