Python 读取复杂的 .txt 文件

Question

我有一个包含如下数据的 .txt：

Header:ensembl gene ID|Ensembl Transcript ID|CDS start|CDS end|5'UTR start|5'UTR end|3'UTR start|3'UTR end|Transcripts start|Transcripts end
>ENSMUSG00000002477|ENSMUST00000002551|*some junk information*...etc.|
TCGCGCGTCCGCAGGCCTCCGCGCGCTTTTCCG....etc.
>ENSMUSG00000002835|ENSMUST00000002914|...etc.|
GCAGAAGTGACACCGGTGGGAGGCG...etc.

我写了一些代码来让我知道我有名字 ENSMUSG0000000xxxx

我想从 .txt 的下一行中挑选出我的名字，例如“TACGTACG”以三重形式读取，例如“TAC”“GTA”

然后我想做同样的事情，但不是从第一个字母开始阅读，而是从第二个字母开始，使用上面的示例，它将阅读“ACG”和“TAG”

同样的事情，但跳过前 2 个字母

我真的不知道该怎么做，尤其是阅读 3 个字母的部分。有人可以帮帮我吗？

这些是我到目前为止的代码：

import csv
import os.path
#open files + readlines
with open("C:/Users/Ivan Wong/Desktop/Placement/Lists of targets/Mouse/UCSC to Ensembl.csv", "r") as f:
reader = csv.reader(f, delimiter = ',')
#find files with the name in 1st row
for row in reader:
    graph_filename = os.path.join("C:/Users/Ivan Wong/Desktop/Placement/Interesting reading/3'ORF",row[0]+"_nt_counts.txt.png")
    if os.path.exists(graph_filename):
        y = row[0]+'_nt_counts.txt'  
        r = open('C:/Users/Ivan Wong/Desktop/Placement/fp_mesc_nochx/'+y, 'r')
        k = r.readlines()
        r.close
        del k[:1]
        k = map(lambda s: s.strip(), k)
        interger = map(int, k)   
        import itertools
        #adding the numbers for every 3 rows
        def grouper(n, iterable, fillvalue=None):
            "grouper(3, 'ABCDEFG', 'x') --> ABC DEF Gxx"
            args = [iter(iterable)] * n
            return itertools.izip_longest(*args, fillvalue=fillvalue)
        result = map(sum, grouper(3, interger, 0))
        e = row[1]
cDNA = open('C:/Users/Ivan Wong/Desktop/Placement/Downloaded seq/Mouse/cDNA.txt', 'r')
q = cDNA.readlines()
cDNA.close
#To delete the 1st line that I do not want at all
del q[:1]

现在我只有一个想法，我想逐步分解它们

第一个：我想从我的 .txt（命名为 q）中找出列表中的名称（我将其命名为 e）

第二个：我想让它读取下一行，直到它到达另一个名字（e）

第三：将我读到的那些行分成一个字符串，例如“A”、“T”、“C”、“G”、“A”、“A”等。

第 4 步：读取 3 个字母 - “ATC”、“GAA”

第 5 步：将它们写入文件，然后返回第 4 步，但这次要从第 2 个字母开始

6th：基本上是第 5 步，但这次从第 3 个字母开始

虽然我有这个想法，但我没有这样做的编程知识，请有人帮助我

Answer 1

由于这不是家庭作业，这里有一个开始的方法。假设您感兴趣的行是那些不以 '>' 开头的行，切片操作将在这里有所帮助。

with open('data.txt') as inf:
    for line in inf:
        if not line.startswith('>'):
            strings3 = [line[i:i+3]for i in range(len(line))]

将在每一行收集您感兴趣的 3 个字母序列：

输入行：

GCAGAAGTGACACCGGTGGGAGGCG

输出

['GCA', 'CAG', 'AGA', 'GAA', 'AAG', 'AGT', 'GTG', 'TGA', 'GAC', 'ACA', 'CAC', 'ACC', 'CCG', 'CGG', 'GGT', 'GTG', 'TGG', 'GGG', 'GGA', 'GAG', 'AGG', 'GGC', 'GCG', 'CG\n', 'G\n', '\n']

请注意，如果行中的字符数不能被 3 整除，您将得到一些较短的字符串和一些换行符。

您还可以重新使用您最近提出的另一个问题中的grouper 函数。