打印線

Question

我有以下結構的文件：

@scaffold456 
ATGTCGTGTCAGTG 
GTACGTGTGTGG 
+ 
!!!!!@!!!!!!!! 
!!!!!!!!!!!! 
@scaffold342 
ATGGTGTCGTGGTG 
ACGTGGC 
+ 
!>!>!!!!+!!!!! 
!!!!!!! 

我希望像這樣的輸出：

>scaffold456 
ATGTCGTGTCAGTG 
GTACGTGTGTGG 
>scaffold342 
ATGGTGTCGTGGTG 
ACGTGGC 

我想在Python實現這一目標，我開始執行以下操作：

fastq_filename = "test_file" 
fastq = open(fastq_filename) # fastq is the file object 

for line in fastq: 
    if line.startswith("@"): 
     print line.replace("@", ">") 

，但我不能再繼續下去，因爲我不知道： 1。如何在特定模式匹配後打印行？ 2.我應該如何指定我要跳過+到下一個@符號之間的行？

這是一個比較複雜的Python主題，我不知道，任何幫助和解釋都會很棒，謝謝！

Answer 1

fastq_filename = "test_file" 
fastq = open(fastq_filename) # fastq is the file object  

canPrintLines = False # Boolean state variable to keep track of whether we want to be printing lines or not 
for line in fastq: 
    if line.startswith("@"): 
     canPrintLines = True # We have found an @ so we can start printing lines 
     line = line.replace("@", ">") 
    elif line.startswith("+"): 
     canPrintLines = False # We have found a + so we don't want to print anymore 

    if canPrintLines: 
     print(line) 

Answer 2

我不知道!可以得到多少複雜的線條。我理解您的問題，因此您希望忽略這些行內的所有+和@標誌。

在這種情況下，我將引入存儲我們是否正在工作的一個有趣的線上狀態變量：

interesting_line=True 
for line in fastq: 
    if line.strip()=='+': # Here we check for the + sign. You might need to adapt the test. 
     interesting_line=False # We don't care from now on 
    if line.startswith('@'): 
     interesting_line=True 
    if interesting_line: 
     # Do what you want with your line. 

正如我所說的，你可能需要檢查，如果有可能的情況下我的簡單測試不匹配，但應該給你一個起點

Answer 3

以下的代碼

1. 忽略行以+或!
2. 與>替換@如果符合@
3. 寫入開始的所有其它線路

代碼

def format_file(path): 
    new_lines = "" 
    for line in open(path): 
     if line.startswith("@"): 
      new_lines += line.replace("@", ">") 
     elif line.startswith("+"): 
      pass 
     elif line.startswith("!"): 
      pass 
     else: 
      new_lines += line 
    print new_lines 

format_file("test_file") 

Answer 4

這是一種簡單的方法要做到這一點：

for line in fastq: 
    if line and line[0].isalpha() or line[0]== '@': 
     line = line.rstrip() 
     print line.replace("@", ">") 

輸出：

>scaffold456 
ATGTCGTGTCAGTG 
GTACGTGTGTGG 
>scaffold342 
ATGGTGTCGTGGTG 
ACGTGGC 

Answer 5

如果我解釋你的問題正確，則我認爲這是你在找什麼

for line in fastq: 
    line = line.replace('\n','') 
    n = len(line) 
    mat = re.match(r'([ATGC]){%d}' % n,line) 
    if mat: 
     print line 
    if line[0] == '@': 
     print line.replace('@','>') 

這使用Regular Expressions這是非常有用的。這表示，如果它是A,T,G, or C只在一行，然後打印該行，然後其他if語句是相同的，你有。 {%d}匹配n前一個語句的出現次數，[ATGC]。如果有多於A,T,G, or C那麼只需在方括號之間添加它們即可。

Answer 6

for line in fastq: 
    if line.startswith("@") or line.isalpha(): 
     print(line.replace("@", ">")) 

查找以@開始替換成>並打印出來就行了。 然後找到只包含字母的行然後打印該行。