定义xrange后的StopIteration

Question

我编写了以下代码，在文本文件中定义4行块，如果块的第2行仅由一种类型的字符组成，则输出该块。假设(和先前验证)第2行总是由一个由36个字符组成的字符串。

# filter out homogeneous reads

import sys
import collections
from collections import Counter

filename1 = sys.argv[1] # file to process

with open(filename1,'r') as input_file:
    for line1 in input_file:
        line2, line3, line4 = [next(input_file) for line in xrange(3)]
        c = Counter(line2).values() # count characters in line2
        c.sort(reverse=True) # sort values in descending order
        if c[0] < 36:
            print line1 + line2 + line3 + line4.rstrip()

但是，我得到一个StopIteration错误如下所示。如果有人能告诉我原因，我会很感激的。

$ python code.py test.file > testout.file
Traceback (most recent call last):
  File "code.py", line 11, in <module>
    line2, line3, line4 = [next(input_file) for line in xrange(3)]
StopIteration

任何帮助都将不胜感激，尤其是解释我的特定代码有什么问题以及如何修复它的那种帮助。下面是一个输入示例：

@1:1:1323:1032:Y
AGCAGCATTGTACAGGGCTATCATGGAATTCTCGGG
+1:1:1323:1032:Y
HHHBHHBHBHGBGGGH8HHHGGGGFHBHHHHBHHHH
@1:1:1610:1033:Y
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
+1:1:1610:1033:Y
HHEHHHHHHHHHHHBGGD>GGD@G8GGGGDHBHH4C
@1:1:1679:1032:Y
CGGTGGATCACTCGGCTCGTGCGTCGATGAAGAACG

Answer 1

您的示例输入已经显示了问题:您有10行代码，这在4之前是不可分割的。因此，当您阅读最后一个块时，您得到了line1和line2，但是对于对line3的next()调用，输入已经耗尽，您什么也得不到。

很可能在完整的输入文件中也存在相同的问题:行数不能被4整除。

有几种方法可以克服这一点。最好的方法可能是修复您的输入，因为您似乎一直在期待四行代码，如果输入文件给出的不是这样的话，就会出现内容问题。

另一个非常简单的修复方法是使用next()指定默认值。

line2, line3, line4 = [next(input_file, '') for line in xrange(3)]

现在，当next()失败时，将返回默认值''。因此，即使文件已经耗尽，您仍然可以获得一些内容。

不过，一个可能更好的解决方案是修复迭代文件的方式。您有两个位置访问相同的文件迭代器，一次在外部for循环中，三次在列表理解中。这看起来很简单，所以您不会遇到其他问题，但您确实应该尝试改变这种情况，这样您就只能在一个位置上遍历迭代器；或者只使用next()调用，但是将其与for循环混合似乎是个坏主意。

例如，您可以使用grouper recipe以四个组的形式干净地迭代文件：

with open(filename1, 'r') as input_file:
    for line1, line2, line3, line4 in grouper(input_file, 4, fillvalue=''):
        # do things with the lines

Answer 2

如果文件中的行数不能除以没有余数的4，您将得到这个结果。然后，您将尝试读取不存在的行。你需要数空行。

一种解决方案是，如果行数不足以处理文件，则停止处理：

try:
    line2, line3, line4 = [next(input_file) for line in xrange(3)]
except StopIteration:
    break

这感觉有点干净：

while True:
    try:
        line1, line2, line3, line4 = [next(input_file) for line in xrange(4)]
except StopIteration:
    break

因为迭代器只能在一个地方进行，而不是在两个地方。

Answer 3

您有10行，因此它可以迭代2时间，然后就会出现2行短缺问题。这就是Python无法读取足够多的行并抛出StopIteration的地方。

看看这段代码，我稍微更新了一下：

import sys
import collections
from collections import Counter

filename1 = sys.argv[1] # file to process

with open(filename1,'r') as input_file:
    while True:
        try:
            line1, line2, line3, line4 = [next(input_file) for line in xrange(4)]
        except StopIteration:
            print "Not enough lines to read!"
            break

        c = Counter(line2).values() # count characters in line2
        c.sort(reverse=True) # sort values in descending order
        if c[0] < 36:
            print line1 + line2 + line3 + line4.rstrip()
        else:
            print "Skipping 4 lines since less than 36 characters"