在 2 个文件文本中查找常见项目

Question

向您介绍我的问题的背景：我有两个包含基因信息的文件：

pos.bed 包含特定基因的位置，hg19-genes.txt 包含该物种的所有现有基因，并带有一些指示字符，例如基因的位置（开始和结束）、名称、符号等.

问题是在 pos 中，只显示了基因的位置，而不是它的名称/符号。我想通读这两个文件并比较每一行的开始和结束。如果有匹配，我想得到对应基因的符号。

我写了这个小python代码：

pos=open('C:/Users/Claire/Desktop/Arithmetics/pos.bed','r')
gen=open('C:/Users/Claire/Desktop/Arithmetics/hg19-genes.txt','r')

for row in pos:
    row=row.split()
    start=row[11]
    end=row[12]
    for row2 in gen:
        row2=row2.split()
        start2=row2[3]
        end2=row2[4]
        sym=row2[10]
        if start==start2 and end==end2:
        print sym

pos.close()
gen.close()

---

但这似乎只是逐行比较两个文件（例如文件 pos 中的第 2 行和文件 gen 中的第 2 行）。所以我尝试将 else 添加到 if 循环中，但我收到一条错误消息：

    else:
        gen.next()

---

StopIteration                             Traceback (most recent call last)
<ipython-input-9-a309fdca7035> in <module>()
     14             print sym
     15         else:
---> 16             gen.next()
     17 
     18 pos.close()

StopIteration:

---

我知道可以通过以下方式比较 2 个文件的所有行，无论行的位置如何：

same = set(file1).intersection(file2)

但就我而言，我只想比较每一行的某些列，因为这些行在每个文件中都有不同的信息（开头和结尾除外）。是否有类似的方法来比较文件中的行，但仅限于某些指定的项目？

Answer 1

gen 是一个迭代器，它只对文件的行进行一次迭代，即在处理pos 中的第一个row 时。最简单的解决方法是在外循环中打开 gen 文件：

pos=open('C:/Users/Claire/Desktop/Arithmetics/pos.bed','r')

for row in pos:
    row=row.split()
    start=row[11]
    end=row[12]
    gen=open('C:/Users/Claire/Desktop/Arithmetics/hg19-genes.txt','r')
    for row2 in gen:
        row2=row2.split()
        start2=row2[3]
        end2=row2[4]
        sym=row2[10]
        if start==start2 and end==end2:
        print sym
    gen.close() 

pos.close()

另一种选择是将gen 的所有行读入一个列表并在内部循环中使用该列表。