Python读取复杂的.txt文件

Question

我有一个.txt，其数据如下：

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.

我写了一些代码以使我达到一个名字ENSMUSG0000000xxxx

我想从.txt的下一行中选择我拥有的名称，例如以三重形式读取的“ TACGTACG”，例如“ TAC”，“ GTA”

然后我想做同样的事情，但是不是从第一个字母开始阅读，而是从上面的示例中读取“ ACG”和“ TAG”，而不是从第二个字母开始

再说一遍，只是跳过前2个字母

我真的不知道该怎么办，尤其是阅读3个字母的部分。 有人可以帮我吗？

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]

现在我有了一个主意，我想按步骤细分它们

第一：我想从我的.txt（名为q）中找到列表中的名称（我将其命名为e）

2nd：我想让它读取下一行，直到达到另一个名字（e）

第三：将我读取的这些行分成单个字符串，例如“ A”，“ T”，“ C”，“ G”，“ A”，“ A”等。

第四：做读3个字母的事情-“ ATC”，“ GAA”

第五步：将它们写入文件，然后返回到第四步，但是这次使它以第二个字母开头

第6个：基本上是第5步，但是这次是从第3个字母开始

虽然我有这个主意，但我没有编程知识，可以请有人帮我

Answer 1

由于这不是家庭作业，因此这是一种入门方法。 假设您感兴趣的行不是以'>'开头的行，那么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))]

将在每一行上收集您感兴趣的3个字母序列：

输入线：

GCAGAAGTGACACCGGTGGGAGGCG

输出量

['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，如果行上的字符数不能被3整除，您会得到一些较短的字符串和一些换行符。

您也许还可以重用最近刚提出的另一个问题中的grouper功能。