在2个文件的文本中查找常见项目

Question

向您介绍我的问题的背景：我有两个文件，其中包含有关基因的信息：

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，并带有一些指示的字符，例如基因的位置（开始和结束），名称，符号等。

问题在于，在pos中仅指示基因的位置，而未指示其名称/符号。 我想通读两个文件，并比较每行的开始和结束。 如果有匹配项，我想获取相应基因的符号。

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()

---

但是似乎这只是逐行比较两个文件（就像文件pos中的第2行与file gen中的第2行一样），因此我尝试将else添加到if循环中，但收到错误消息：

    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操作比较2个文件的所有行，无论行的位置如何：

same = set(file1).intersection(file2)

但是在我的情况下，我只想比较每行的某些列，因为这些行在每个文件中具有不同的信息（开始和结束除外）。 有没有类似的方法可以比较文件中的行，但仅用于某些指定的项目？

Answer 1

gen是一个迭代器，它只在文件的各行上迭代一次，即在处理pos的第一row 。 最简单的解决方法是在外部循环中打开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()

另一个选择是将gen所有行读入一个列表并在内部循环中使用该列表。