如果一个文件的两个连续行满足一定的条件，如何连接它们？

Question

** Python的新成员，对不起**

我试图以一个给定的示例文件为例，使用函数将包含"A“或"T”或"G“或"C”(DNA链)的行添加到列表中。

示例文件：

gene1

ATGATGATGGCG

gene2

GGCATATC

CGGATACC

gene3

TAGCTAGCCCGC

在gene2下，我需要使用我的函数连接两个单独的行。

以下是我完成的功能：

def create(filename):
    """
    Purpose: Creates and returns a data structure (list) to store data.
    :param filename: The given file
    Post-conditions: (none)
    :return: List of data.
    """
    new_list = []
    f = open(filename, 'r')
    for i in f:
        if not('A' or 'T' or 'G' or 'C') in i:
            new_list = new_list  #Added this so nothing happens but loop cont.
        else:
            new_list.append(i.strip())
    f.close()
    return new_list

我需要找到文件中有连续两行DNA ("GTCA")的部分，然后再将它们添加到我的列表中。

如果正确，则打印时的输出应读为：

['ATGATGATGGCG', 'GGCATATCCGGATACC', 'TAGCTAGCCCGC']

提前感谢！

Answer 1

雷吉斯去营救！

import re

def create(filename):
    dna_regex = re.compile(r'[ATGC]+')
    with open(filename, 'r') as f:
        return dna_regex.findall(f.read().replace('\n', '')))

new_list = []
new_list += create("gene_file.txt")

特别要注意的是，如果gene行包含A、T、G或C，则此实现可能会出现假阳性。

这样做是接收整个文件，删除换行符，然后查找所有只包含A、T、G或C的序列并返回它们。

Answer 2

您可以使用set来检查一条线是否是DNA线，即只包含字母ACGT：

with open(filename) as f:
    new_list = []
    concat = False
    for line in f:
        if set(line.strip()) == {'A', 'C', 'G', 'T'}:
            if concat:
                new_list[-1] += line.strip()
            else:
                new_list.append(line.strip())
            concat = True
        else:
            concat = False

# ['ATGATGATGGCG', 'GGCATATCCGGATACC', 'TAGCTAGCCCGC']

Answer 3

如果我们可以假设每个DNA片段都以一行作为前缀，那么我们可以利用takewhile函数对这些DNA线进行分组：

from itertools import takewhile

DNA_CHARS = ('A', 'T', 'G', 'C')
lines = ['gene1', 'ATGATGATGGCG', 'gene2', 'GGCATATC', 'CGGATACC', 'gene3', 'TAGCTAGCCCGC']

input_lines = iter(lines[1:])
dna_lines = []

while True:
    dna_line = ''.join(takewhile(lambda l: any(dna_char in l for dna_char in DNA_CHARS),
                                  input_lines))
    if not dna_line:
        break
    dna_lines.append(dna_line)