python - 定义 xrange 后的 StopIteration

Question

我编写了以下代码来在文本文件中定义 4 行的 block ，如果 block 的第 2 行仅由一种字符组成，则输出该 block 。假设(并且之前已验证)第 2 行始终由 36 个字符的字符串组成。

# filter out homogeneous reads

import sys
import collections
from collections import Counter

filename1 = sys.argv[1] # file to process

with open(filename1,'r') as input_file:
    for line1 in input_file:
        line2, line3, line4 = [next(input_file) for line in xrange(3)]
        c = Counter(line2).values() # count characters in line2
        c.sort(reverse=True) # sort values in descending order
        if c[0] < 36:
            print line1 + line2 + line3 + line4.rstrip()

但是，我收到如下 StopIteration 错误。如果有人能告诉我原因，我将不胜感激。

$ python code.py test.file > testout.file
Traceback (most recent call last):
  File "code.py", line 11, in <module>
    line2, line3, line4 = [next(input_file) for line in xrange(3)]
StopIteration

我们将不胜感激任何帮助，尤其是那些解释我的特定代码有什么问题以及如何修复它的帮助。这是一个输入示例:

@1:1:1323:1032:Y
AGCAGCATTGTACAGGGCTATCATGGAATTCTCGGG
+1:1:1323:1032:Y
HHHBHHBHBHGBGGGH8HHHGGGGFHBHHHHBHHHH
@1:1:1610:1033:Y
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
+1:1:1610:1033:Y
HHEHHHHHHHHHHHBGGD>GGD@G8GGGGDHBHH4C
@1:1:1679:1032:Y
CGGTGGATCACTCGGCTCGTGCGTCGATGAAGAACG

Answer 1

您的示例输入已经显示了问题:那里有 10 行，不能被 4 整除。所以当您阅读最后一个 block 时，您会得到 line1 和 line2 但对于 line3 的 next() 调用，输入已用完，您什么也得不到。

您的完整输入文件中可能也有同样的问题:行数根本不能被 4 整除。

有几种方法可以克服这个问题。最好的办法可能是修复你的输入，因为你似乎一直期待四行，如果这不是输入文件提供的内容，那么似乎存在内容问题。

另一个非常简单的修复方法是使用 next() 指定一个默认值:

line2, line3, line4 = [next(input_file, '') for line in xrange(3)]

现在，当 next() 失败时，将返回默认值 ''。因此，即使文件已用完，您仍然可以获得一些内容。

然而，一个可能更好的解决方案是修复您迭代文件的方式。您有两个位置可以访问同一个文件迭代器，一次在外部 for 循环中，三次在列表理解中。它可能看起来很简单，因此您不会遇到其他问题，但是您真的应该尝试更改它，以便您只有一个位置可以遍历迭代器；或者只使用 next() 调用，但将它与 for 循环混合似乎不是个好主意。

例如，您可以使用 grouper itertools recipe以四人为一组干净地迭代文件:

with open(filename1, 'r') as input_file:
    for line1, line2, line3, line4 in grouper(input_file, 4, fillvalue=''):
        # do things with the lines