使用python替换特定行中的字符串

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（称为 clean），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件完全相同的文本，但替换了字符串。我需要用 'N' 替换所有这些字符串：'K','Y','W','M','R','S'。

这是我在谷歌搜索后想出的。它非常混乱（编程的第二周），它停止将文件复制到干净的目录中而不替换任何东西。非常感谢任何帮助。

之前谢谢！

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：

1. string.replace 和 re.sub 不在原地，因此您应该将返回值分配回您的变量。
2. glob.glob 更适合在与定义的模式匹配的目录中查找文件...
3. 也许您应该在创建目录之前检查该目录是否已经存在（我只是假设，这可能不是您想要的行为）
4. with 语句负责以安全的方式关闭文件。如果你不想使用它，你必须使用tryfinally。
5. 在您的示例中，您忘记将后缀 *.clean ;)
6. 你没有真正写文件，你可以像我在我的例子中那样做，或者使用fileinput模块（直到今天我才知道）

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"

希望对你有帮助。

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，并替换了相关的子字符串。

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

以下是一些一般性提示：

1. 不要使用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]

2. 实际上，不要完全这样做。这就是你想要的：

   import glob
   seq_files = glob.glob("*.seq")
   

3. 不要复制文件，只使用一个循环会容易得多：

   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
   

4. 不要使用line.__contains__('>')。你的意思是

   if '>' in line:
   

   （将在内部调用__contains__）。但实际上，您想知道行以“>”开头，而不是行内是否有一个，无论是否在开头。所以更好的方法是：

   if line.startswith(">"):
   

   我不熟悉您的文件类型；如果">" 检查真的只是为了确定第一行，那么有更好的方法来做到这一点。

5. 您不需要if 块（您只需pass）。写起来更干净

   if not something:
       do_things()
   other_stuff()
   

   而不是

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

祝学习 Python 愉快！

Answer 4

您需要将替换结果分配回“行”变量

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

您也可以使用模块文件输入进行就地编辑

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 以就地编辑您的文件。

Answer 5

line.replace 不是一个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。

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

最后，您需要实际写出包含更改的文件。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，您将在其中写入修改后的行。