有关以特定格式读取.bed文件和压缩输出的问题

Question

import os #handles the gzipped output like the example file
file_name = "exampleziptotxt.bed"
out_file_root = "example_by_chrom"
file_handle_dict = {}

file_reader=open(file_name)

for line in file_reader:
    ff=line.strip().split(",")
    chrom_name=ff[0]
    if not (chrom_name in file_handle_dict):
        out_file_chrom_name=out_file_root+"."+chrom_name+".bed"
        out_file_chrom_name_handle=open(out_file_chrom_name,"w")
        file_handle_dict[chrom_name]=out_file_chrom_name_handle
    # write the line in the appropriate output file
    file_handle_dict[chrom_name].write(line)
    # file_handle_dict[chrom_name].write("%s\n"%"\t".join(ff))

file_reader.close()

# now close all open files
for chrom_name in file_handle_dict:
    file_handle_dict[chrom_name].close()

我想重写上面的代码，这样输出就是多个使用gzip或替代的gzip压缩文件。我不确定如何做到这一点。任何帮助都将不胜感激。

Answer 1

只需要做几处小改动，import gzip (不需要os)，将.gz添加到名称中，使用gzip.open而不是open进行写入，并在行上使用.encode()将其转换为字节。

import gzip

file_name = "exampleziptotxt.bed"
out_file_root = "example_by_chrom"
file_handle_dict = {}

file_reader=open(file_name)

for line in file_reader:
    ff=line.strip().split(",")
    chrom_name=ff[0]
    if not (chrom_name in file_handle_dict):
        out_file_chrom_name=out_file_root+"."+chrom_name+".bed.gz"
        out_file_chrom_name_handle=gzip.open(out_file_chrom_name,"w")
        file_handle_dict[chrom_name]=out_file_chrom_name_handle
    # write the line in the appropriate output file
    file_handle_dict[chrom_name].write(line.encode())
    # file_handle_dict[chrom_name].write("%s\n"%"\t".join(ff))

file_reader.close()

# now close all open files
for chrom_name in file_handle_dict:
    file_handle_dict[chrom_name].close()