python - 对行和下一行执行某些操作，直到击中符号为止

Question

我有数据，设置如下:

//Name_1   *   *
>a       xyzxyzyxyzyxzzxy
>b       xyxyxyzxyyxzyxyz
>c       xyzyxzyxyzyxyzxy
//Name_2  
>a       xyzxyzyxyzxzyxyx
>b       zxyzxyzxyyzxyxzx
>c       zxyzxyzxyxyzyzxy
//Name_3  *          *
>a       xyzxyzyxyzxzyxyz
>b       zxyzxyzxzyyzyxyx
>c       zxyzxyzxyxyzyzxy
...

//行指的是以下序列组的 ID，直到到达下一个//行。我一直在编写一个程序，该程序读取星号的位置，并在序列的给定位置上打印字符。为了为自己简化事情，我一直在研究数据的子集，仅包含一组序列，因此例如:

//Name_1   *   *
>a       xyzxyzyxyzyxzzxy
>b       xyxyxyzxyyxzyxyz
>c       xyzyxzyxyzyxyzxy

我的程序在这个子集上执行我想要的操作。

import sys
import csv

datafile = open(sys.argv[1], 'r')

outfile = open(sys.argv[1]+"_FGT_Data", 'w')
csv_out = csv.writer(outfile, delimiter=',')

csv_out.writerow(['Locus', 'Individual', 'Nucleotide', 'Position'])

with (datafile) as searchfile:
    var_line = [line for line in searchfile  if '*' in line]
    LocusID = [line[2:13].strip() for line in var_line]
    poslist = [i for line in var_line for i, x in enumerate(line) if x =='*']

datafile = open(sys.argv[1], 'r')


with (datafile) as getsnps:
    lines = [line for line in getsnps.readlines() if line.startswith('>')]
    for pos in poslist:
        for line in lines:
            snp = line[pos]

            individual = line[0:7]
            indistr = individual.strip()
            csv_out.writerow((LocusID[0], indistr, line[pos], str(pos)))


datafile.close()
outfile.close()

但是，现在我正在尝试修改它以处理完整的数据集。我无法找到一种以正确方式迭代数据的方法。我需要搜索文件，当到达包含 '' 的行时，我需要按照上面的代码执行与给定行对应的序列，然后继续到包含 '< 的下一行/em>'。我是否需要根据//行分割数据，或者什么是最好的方法？

我已将数据样本上传到保管箱:Data_Sample.txt 包含几个组，并且是我试图让程序运行的数据类型。Data_One_Group.txt 仅包含一组，并且是我迄今为止让程序处理的数据。

https://www.dropbox.com/sh/3j4i04s2rg6b63h/AADkWG3OcsutTiSsyTl8L2Vda?dl=0

--------编辑---------

我正在尝试实现下面@Julien Spronck 的建议。但是，我在处理生成的 block 时遇到问题。我如何能够在 block 行中搜索行。例如，为什么以下内容不能按预期工作？它只打印星号'而不是行本身。

block =''
with open('onelocus.txt', 'r') as searchfile:
    for line in searchfile:
        if line.startswith('//'):
            #print line
            if block:
                for line in block:
                    if '*' in line:
                        print line

            block = line
        else:
            block += line

---------编辑2----------

我越来越近了。我明白这一事实，我需要将字符串分成几行，以便能够搜索它们。下面的代码适用于一个组，但是当我尝试迭代多个组时，它仅打印第一组的信息。但它是为尽可能多的群体而做的。我尝试在下一次迭代之前清除 LocusID 和 poslist，但这似乎不是解决方案。

block =''
with (datafile) as searchfile:
    for line in searchfile:
        if line.startswith('//'):
            if block:
                    var_line = [line for line in block.splitlines()  if '*' in line]  
                    LocusID = [line[2:13].strip() for line in var_line]
                    print LocusID
                    poslist = [i for line in var_line for i, x in enumerate(line) if x == '*'] 
                    print poslist



            block = line
        else:
            block += line

Answer 1

你不能做这样的事情吗:

block =''
with open(filename, 'r') as fil:
    for line in fil:
        if line.startswith('//'):
            if block:
                do_something_with(block)
            block = line
        else:
            block += line
if block:
    do_something_with(block)

在此代码中，我只是将文件行附加到变量 block 。一旦找到以 // 开头的行，我就会处理前一个 block 并为下一次迭代重新初始化该 block 。

最后两行将负责处理最后一个 block ，否则不会对其进行处理。

do_something_with(block) 可能是这样的:

def do_something_with(block):

    lines = block.splitlines()

    j = 0
    first_line = lines[j]
    while first_line.strip() == '':
        j += 1
        first_line = lines[j]

    pos = []
    position = first_line.find('*')
    while position != -1:
        pos.append(position)
        position = first_line.find('*', position+1)

    for k, line in enumerate(lines):
        if k > j:
            for p in pos:
                print line[p], 
            print

## prints
## z y
## x z
## z y