Question

我是pythong编程的新手，并且有一个fasta文件，我想解析它在特定的软件中使用。该文件包含两行：1）序列标识符和由空格分隔的分类，分类中的最后一个物种名称也可以包含空格，以及2）dna序列（参见下面的示例）：

>123876987 Bacteria;test;test;test test test
ATCTGCTGCATGCATGCATCGACTGCATGAC
>239847239 Bacteria;test;test;test1 test1 test1
ACTGACTGCTAGTACGATCGCTGCTGCATGACTGAC

经过大量的努力和一些帮助，我设法将我的fasta文件解析为只显示序列ID和分类的分类文件：

123876987 Bacteria;test;test;test test test
239847239 Bacteria;test;test;test1 test1 test1

但是，我使用的软件要求以特殊方式格式化分类法文件。分类文件的内容必须：1）具有'＆gt;'从fasta文件中删除，2）通过选项卡将标识符和分类法与每个序列标题分开（即用标签替换字符串中空格的第一个出现），3）将分类字符串中的所有空格替换为'_'，并用分号完成分类（见下面的例子）：

123876987    Bacteria;test;test;test_test_test;
239847239    Bacteria;test;test;test1_test1_test1;

我一直试图通过摆弄我的工作脚本来实现这一目标：

with open("test.fasta", "r") as fasta, open("test.tax", "w") as tax:
    while True:
        SequenceHeader= fasta.readline()
        Sequence= fasta.readline()
        if SequenceHeader == '':
            break
        tax.write(SequenceHeader.replace('>', ''))

如此嘲笑：

with open("test.fasta", "r") as fasta, open("clean_corrected.tax", "w") as tax:
    while True:
        SequenceHeader= fasta.readline()
        Sequence= fasta.readline()      
        old = {'>',' '}
        new = {'','_'}
        CorrectedHeader = SequenceHeader.replace('old','new')
        if SequenceHeader == '':
            break
        tax.write(CorrectedHeader)

但这根本不起作用。有谁知道我该怎么做呢？

非常感谢你的帮助！

Answer 1

以下内容应该有效：

with open("test.fasta", "r") as fasta, open("test.tax", "w") as tax:
    for line in fasta:
        if line.startswith('>'):
            line = line[1:]                   # remove the '>' from start of line
            line = line.replace(' ', '\t', 1) # replace first space with a tab
            line = line.replace(' ', '_')     # replace remaining spaces with '_'
            line = line.strip() + ';\n'       # add ';' to the end
            tax.write(line)                   # write to the output file

如何对文件中的多个字符串执行多次修改并输出到新文件

1 个答案: