Question

这是我关于Stack Overflow的第一个问题，所以如果我的问题格式不正确，我想先道歉。我对编码没有特别的经验，但我正在努力解决我的工作中的特定问题。

我正在尝试替换大型fasta文件的标头（用于对齐DNA序列）。我有一个包含fasta alignment（alignment.txt）的txt文件，其内容如下：

>418035201_b1_168_m12_gag__Assembly_8
ATGGGTGCGAGAGCGTCAGTATTAAGTGGGGGAAA......

>418035201_b1_168_m12_gag__Assembly_19
ATGGGTGCGAGAGCGTCAGTATTAAGTGGGGGAAA......

我还有一个包含所需名称的文本文件（newheaders.txt），其内容如下：

>418035201_pM_s38_B168_m12_gag_c08_M13F_X00_consensus
>418035201_pM_s38_B168_m12_gag_c19_M13F_X00_consensus
....

我正在尝试使用newheaders.txt文件中的新标头替换alignment.txt文件中的标题（以＃39;＆gt;＆＃39;开头的行）。

我有一个包含以下内容的python脚本：

#!/usr/bin/env python


fasta= open('alignment.txt','r')
newnames= open('newheaders.txt','r')
newfasta= open('newfasta.txt', 'w')

for line in fasta:
    if line.startswith('>'):
        newname= newnames.readline()
        newfasta.write(newname)
    else:
        newfasta.write(line)
        print line

fasta.close()
newnames.close()
newfasta.close()

当我运行它时，我得到以下输出：

>418035201_pM_s38_B168_m12_gag_c08_M13F_X00_consensus
䄊䝔䝇䝔䝃䝁䝁䝃䍔䝁䅔呔䅁呇䝇䝇䅇䅁呁䅔䅇䝔䅃䝔䝇䅁䅁䅁呔....

>418035201_pM_s38_B168_m12_gag_c19_M13F_X00_consensus
䄊䝔䝇䝔䝃䝁䝁䝃䍔䝁䅔呔䅁呇䝇䝇䅇䅁呁䅔䅇䝔䅃䝔䝇䝁䅁䅁呔....

＆＃39;线＆＃39;正在从罗马字符改为汉字。它不应该是汉字，我不能为我的生活而努力，为什么会发生这种情况！

当＆＃39; line＆＃39;打印到控制台，它正确打印。即。

ATGGGTGCGAGAGCGTCAGTATTAAGTGGGGGAAAATTAGATGCGTGGGAGAA....

所以我认为它必须与它的写作方式有关。

如果有人能够帮助我或提供一些见解，我将不胜感激，谢谢。

[编辑：现在解决了。见下文。谢谢大家！]

Answer 1

似乎Python支持＆＃34;编码＆＃34; open（）函数中的参数覆盖默认编码格式。如果您知道输入和输出文件的正确编码是什么，您应该能够通过添加如下内容来更正它（在您的情况下将实际编码替换为正确的编码）：

newnames= open('newheaders.txt','r', encoding='ascii')
newfasta= open('newfasta.txt', 'w', encoding='utf_8')

PS：似乎问题是由于Python 3默认使用Unicode进行文本文件I / O，这是对Python 2.x的更改。

Answer 2

感谢各位的帮助。它现在已经解决了（基本上我是个白痴）......

我如何解决它：

已安装python3
将两个.txt文件重新保存为带有Unix（LF）换行符的Unicode UTF-8。
在脚本开头将“＃！/ usr / bin / env python”更改为“＃！/ usr / bin / env python3”。
从命令行中运行python3 /Users/Sophie/Desktop/AttemptToRename/replacenames.py。

它有效！

我不确定是否所有这些步骤或其中只有一些是必要的，但它现在按计划运行。再次感谢你的帮助。现在要经历并投票！ [编辑：显然我的选票没有显示，因为我的声誉很低......：/]

为什么python用中文写出来？

2 个答案: