Question

我正在编写一个python脚本来替换具有特定扩展名（.seq）的目录中的每个文本文件中的字符串。替换的字符串应该只来自每个文件的第二行，并且输出是一个新的子目录（称之为干净），其文件名与原始文件相同，但带有* .clean后缀。输出文件包含与原始文本完全相同的文本，但替换了字符串。我需要替换所有这些字符串：'K'，'Y'，'W'，'M'，'R'，'S'和'N'。

这是我在谷歌搜索后想出来的。这是非常混乱的（编程的第二周），它停止将文件复制到干净的目录而不替换任何东西。我真的很感激任何帮助。

先谢谢！

import os, shutil

os.mkdir('clean')

for file in os.listdir(os.getcwd()):
    if file.find('.seq') != -1:
        shutil.copy(file, 'clean')

os.chdir('clean')

for subdir, dirs, files in os.walk(os.getcwd()):
    for file in files:
        f = open(file, 'r')
        for line in f.read():
            if line.__contains__('>'): #indicator for the first line. the first line always starts with '>'. It's a FASTA file, if you've worked with dna/protein before.
                pass
            else:
                line.replace('M', 'N')
                line.replace('K', 'N')
                line.replace('Y', 'N')
                line.replace('W', 'N')
                line.replace('R', 'N')
                line.replace('S', 'N')

Answer 1

一些注意事项：

string.replace和re.sub不在原位，因此您应该将返回值分配回您的变量。
glob.glob更适合在匹配定义模式的目录中查找文件...
也许你应该在创建之前检查目录是否已经存在（我只是假设这个，这可能不是你想要的行为）
with语句负责以安全的方式关闭文件。如果您不想使用它，则必须使用try finally。
在您的示例中，您忘记放置su *.clean;）
你实际上没有写文件，你可以像我在我的例子中那样做或者使用fileinput模块（直到今天我都不知道）

这是我的例子：

import re
import os
import glob

source_dir=os.getcwd()
target_dir="clean"
source_files = [fname for fname in glob.glob(os.path.join(source_dir,"*.seq"))]

# check if target directory exists... if not, create it.
if not os.path.exists(target_dir):
    os.makedirs(target_dir)

for source_file in source_files:
   target_file = os.path.join(target_dir,os.path.basename(source_file)+".clean")
   with open(source_file,'r') as sfile:
      with open(target_file,'w') as tfile:
         lines = sfile.readlines()
         # do the replacement in the second line.
         # (remember that arrays are zero indexed)
         lines[1]=re.sub("K|Y|W|M|R|S",'N',lines[1])
         tfile.writelines(lines)

print "DONE"

Answer 2

您应该将line.replace('M', 'N')替换为line=line.replace('M', 'N')。 replace返回原始字符串的副本，并替换相关的子字符串。

更好的方法（IMO）是使用re。

import re

line="ABCDEFGHIJKLMNOPQRSTUVWXYZ"
line=re.sub("K|Y|W|M|R|S",'N',line)
print line

Answer 3

您需要将替换结果分配回“line”变量

line=line.replace('M', 'N')

您还可以使用模块fileinput进行就地编辑

import os, shutil,fileinput
if not os.path.exists('clean'):
    os.mkdir('clean')

for file in os.listdir("."):
    if file.endswith(".seq"):
        shutil.copy(file, 'clean')

os.chdir('clean')

for subdir, dirs, files in os.walk("."):
    for file in files:
        f = fileinput.FileInput(file,inplace=0)
        for n,line in enumerate(f):
            if line.lstrip().startswith('>'):
                pass
            elif n==1: #replace 2nd line
                for repl in ["M","K","Y","W","R","S"]:
                    line=line.replace(ch, 'N')
            print line.rstrip()
        f.close()

将inplace = 0更改为inplace = 1，以便对文件进行现场编辑。

Answer 4

以下是一些一般性提示：

请勿使用find来检查文件扩展名（例如，这也会匹配“file1.seqdata.xls”）。至少使用file.endswith('seq')，或者更好的是os.path.splitext(file)[1]
实际上，不要完全这样做。这就是你想要的：
```
import glob
seq_files = glob.glob("*.seq")
```

不要复制文件，只使用一个循环要容易得多：

for filename in seq_files:
    in_file = open(filename)
    out_file = open(os.path.join("clean", filename), "w")
    # now read lines from in_file and write lines to out_file

请勿使用line.__contains__('>')。你的意思是
```
if '>' in line:
```
（将在内部调用__contains__）。但实际上，你想知道开始这一行是用“”＆gt;“，而不是在行内的某个地方，不管是在开头还是没有。所以更好的方法是：
```
if line.startswith(">"):
```
我不熟悉你的文件类型;如果">"检查确实仅用于确定第一行，那么有更好的方法可以做到这一点。

您不需要if块（仅pass）。写作更清晰

if not something:
    do_things()
other_stuff()

而不是

if something:
    pass
else:
    do_things()
other_stuff()

学习Python很有趣！

Answer 5

line.replace不是mutator，它保持原始字符串不变，并返回一个带有替换的新字符串。您需要将代码更改为line = line.replace('R', 'N')等。

我认为您还希望在else子句的末尾添加break语句，这样您就不会遍历整个文件，而是在处理第2行后停止。

最后，您需要实际编写包含更改的文件。到目前为止，您只是在读取文件并更新程序变量“line”中的行。您还需要实际创建一个输出文件，您将在其中编写修改后的行。

使用python替换特定行中的字符串

5 个答案: