如何使用Python讀取此文件？

Question

我有以下格式的DNA文件：

>gi|5524211|gb|AAD44166.1| cytochrome
ACCAGAGCGGCACAGCAGCGACATCAGCACTAGCACTAGCATCAGCATCAGCATCAGC
CTACATCATCACAGCAGCATCAGCATCGACATCAGCATCAGCATCAGCATCGACGACT
ACACCCCCCCCGGTGTGTGTGGGGGGTTAAAAATGATGAGTGATGAGTGAGTTGTGTG
CTACATCATCACAGCAGCATCAGCATCGACATCAGCATCAGCATCAGCATCGACGACT
TTCTATCATCATTCGGCGGGGGGATATATTATAGCGCGCGATTATTGCGCAGTCTACG
TCATCGACTACGATCAGCATCAGCATCAGCATCAGCATCGACTAGCATCAGCTACGAC

如何讀取此文件並提取DNA序列部分（ ACCAGAGCGG... ），而無需任何換行符，例如：

ACCAGAGCGGCACAGCAGCGACATCAGCACTAGCACTAGCATCAGCATCAGCATCAGCCTACATCATCACAGCAGCATCA

也許不需要正則表達式？

Answer 1

如果總是只有一行標題：

dnalines = text.split('\n')[1:]
dna = ''.join(dnalines)

使用text =文件內容（例如， text = open('yourfile').read() ）

Answer 2

我做了一些測試，似乎以下內容比delroth的答案更有效：

text.split('\n', 1)[1].replace('\n', '')

編輯：等等，這不是那么簡單。 我在30MB的文件上使用Python 2.6.4和3.1.1對這兩種方法進行了兩次計時：

• Python 2.6.4，我的版本：

   $ python -m timeit -c "open('x').read().split('\\n', 1)[1].replace('\\n', '')" 10 loops, best of 3: 221 msec per loop $ python -m timeit -c "open('x').read().split('\\n', 1)[1].replace('\\n', '')" 10 loops, best of 3: 219 msec per loop 

• Python 2.6.4，delroth的版本：

   $ python -m timeit -c "''.join(open('x').read().split('\\n')[1:])" 10 loops, best of 3: 392 msec per loop $ python -m timeit -c "''.join(open('x').read().split('\\n')[1:])" 10 loops, best of 3: 390 msec per loop 

• Python 3.1.1，我的版本：

   $ python3 -m timeit -c "open('x').read().split('\\n', 1)[1].replace('\\n', '')" 10 loops, best of 3: 803 msec per loop $ python3 -m timeit -c "open('x').read().split('\\n', 1)[1].replace('\\n', '')" 10 loops, best of 3: 798 msec per loop 

• Python 3.1.1，delroth的版本：

   $ python3 -m timeit -c "''.join(open('x').read().split('\\n')[1:])" 10 loops, best of 3: 610 msec per loop $ python3 -m timeit -c "''.join(open('x').read().split('\\n')[1:])" 10 loops, best of 3: 610 msec per loop 

結論：Python 3中慢得多 ，而且它依賴於Python版本的兩段代碼的速度更快！