Skip to main content
 首页 » 编程设计

python之在不同的 .text 文件中查找通用 ID 并附加额外的对应行

2025年05月04日10zdz8207

我试图找到两个文件中存在的公共(public) ID,并将结果打印到一个新文件中,并附加与这些 ID 对应的附加行。我该怎么做?

输入文件1.txt

F775_23607  EMT15298  GO:0003674    molecular_function PF08268  345 
F775_00510  EMT20601  GO:0005515    protein binding    PF08268  456 
F775_00510  EMT23774  GO:0003674    molecular_function PF00646  134 
F775_00510  EMT23774  GO:0005515    protein binding    PF03106  888 
F775_23182  EMT33502  GO:0003677    DNA binding    PF03106  789 

输入文件2.txt

contig15    EMT15298  95.27 148 
contig18    EMT04099  97.95 293  
contig18    EMT20601  92.83 293  
contig18    EMT23062  93.17 293 

所需的输出文件(我希望能够决定打印哪些行,哪些不打印)

EMT15298  GO:0003674 molecular_function PF08268 
EMT20601  GO:0005515 protein binding    PF08268 

我的脚本(基本上只打印公共(public)的列)

fileA = open("file1.txt",'r') 
fileB = open("file2.txt",'r') 
output = open("results.txt",'w') 
fileA.next() 
 
setA = set() 
for line1 in fileA: 
    listA = line1.split('\t') 
    setA.add(listA[1]) 
setB = set() 
for line1 in fileB: 
    listB = line1.split('\t') 
    setB.add(listB[1]) 
for key in setA & setB: 
    output.writelines(key+'\n') 

请您参考如下方法:

由于您的第一个文本文件包含输出的所有“字段”,我们可以稍微减少逻辑和步骤数。

首先我们打开两个输入文件并将它们读入列表:

with open('file1.txt', 'r') as a, open('file2.txt','r') as b: 
    fileA = [l.rstrip('\n').split('\t')[1:5] for l in a.readlines()] 
    fileB = [l.rstrip('\n').split('\t')[1:] for l in b.readlines()] 

现在我们有两个列表,fileA 和 fileB。您会注意到它们两个上的切片符号。由于 fileA 具有您希望输出的所有值,它现在已准备就绪,因此只需要针对第二个列表进行过滤。我还从两个列表中删除了第一项,以便我们可以使用 EMT... 值进行比较。

现在我们可以检查 fileB 是否包含(不是全部)fileA 并将匹配项写入结果文件:

with open('results.txt','w') as o: 
    for line in fileA: 
        if any(line[0] in l for l in fileB): 
            o.write('%s\n' % '\t'.join(line)) 

results.txt 再次以制表符分隔并带有相应的匹配项:

EMT15298    GO:0003674  molecular_function  PF08268 
EMT20601    GO:0005515  protein binding PF08268