Snakemake，任何用glob_wildcards跳过子目录的方法

Question

我是SnakeMake的新手。我试着用这个简单的Snakefile自学：

(IDS, ) = glob_wildcards( "{id}.txt" )
print ( str ( IDS ) )

rule all:
    input:
        expand ( "out/{id}-1.txt", id = IDS )

rule copy:
    input:
        "{id}.txt"
    output:
        "out/{id}-1.txt"
    shell:
        "cp {input} {output}"

我第一次运行它时(当out还不存在时)，它运行得很好，并创建了三个in out副本。下一次，IDS包含'out/c-1', 'out/a-1', 'out/b-1'，这当然不是我想要的，因为我希望glob_wildcards只扫描第一级。有没有办法做到这一点，也许是使用函数接收的regex参数？

到目前为止，在IDS创建之后，我只通过一个过滤器来管理它：

IDS = [ id for id in IDS if '/' not in id ]

但我希望是更紧凑的。

Answer 1

从我在glob_wildcards实现中看到的情况来看，这个函数没有任何限制级别的参数。这意味着您的解决方案(一行代码)可能是最紧凑的解决方案，以防您确实需要输出文件夹作为输入的嵌套文件夹。

简单的解决方案是将输入和输出分离到同级文件夹中。在这种情况下，下面的代码将在一个干净的输入文件夹中进行搜索，该文件夹从未被输出污染：

(IDS, ) = glob_wildcards( "path_to_input/{id}.txt" )

Answer 2

我同意单独的目录是解决这个问题的最简单的方法。您还可以使用wildcard constraints告诉snakemake您的ids不包含'/'

(IDS, ) = glob_wildcards("{id,[^/]+}.txt")