在两个文件中搜索一个单词，然后用表格分隔打印这两行

Question

我正试图使用Python编写一个程序，该程序从文件#1（contig_numbers）中获取单词列表，并通过在两个不同的文件（#2注释和#3丰度）中逐行迭代来查找该单词。如果在两个文件中找到单词，则输出将是来自文件#2的行（注释）、制表符分隔和来自文件#3的行（丰度）。如果这个单词是在文件#2中找到的，而不是在#3中，那么输出将只是文件#2中的一行（只是注释）。这个词也可以在文件#2中找到很多次（见下面的例子）

我向你展示了我写的代码，但它似乎没有像我希望的那样工作：

#!/usr/bin/env python3
# coding: utf-8
import re
import sys
annotation = open('annotation', 'r')
abundance = open('abundance', 'r')
with open('contig_numbers', 'r') as f:
   keywords = ([line.strip() for line in f])
new_file = open ('/home/Bureau/test-script/output_file_test', 'w')
for line in annotation:
   line1 = (line) 
   for word in keywords:
      if re.match (r"b"+word+r"b" , line1): 
         match1 = (line1.strip())
         for line2 in abundance:
             line2 =(line2)
             if re.match (r"b"+word+r"b" , line1):
                 match2= (line2.strip())                 
                 print (match1+"t"+match2, file = new_file)
                 break 

文件示例：contig_numbers

contig-3
contig-2
contig-1
contig-10
contig-14
contig-27

注释

contig-1    out.27-Actinomycetales  gene_id_947 NULL    NULL    NULL    NULL    NULL    NULL    
contig-1    out.27-Actinomycetales  gene_id_948 NULL    NULL    NULL    NULL    NULL    NULL    NULL    
contig-1    out.27-Actinomycetales  gene_id_949 NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    
contig-3    out.24-NULL gene_id_3294    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL
contig-3    out.24-NULL gene_id_3295    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL
contig-10   out.23-NULL gene_id_11670   NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    
contig-10   out.23-NULL gene_id_11671   NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL
contig-14   out.23-NULL gene_id_16640   NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    
contig-27   out.31-NULL gene_id_32333   NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL
contig-27   out.31-NULL gene_id_32334   NULL    NULL    NULL    NULL    NULL    NULL    NULL    

丰度

contig-3    4578    29.5413
contig-2    1091    13.6616
contig-1    2608    11.5441
contig-8    8194    34.0362
contig-9    1457    10.5831
contig-10   1236    8.48298

所需输出的示例（注释选项卡分隔丰富）（如果程序正确运行）该文件不是程序的输出这只是我举的一个例子：

contig-1    out.27-Actinomycetales  gene_id_947 NULL    NULL    NULL    NULL    NULL    NULL    2608    11.5441 
contig-1    out.27-Actinomycetales  gene_id_948 NULL    NULL    NULL    NULL    NULL    NULL    NULL    2608    11.5441 
contig-1    out.27-Actinomycetales  gene_id_949 NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    2608    11.5441 
contig-3    out.24-NULL gene_id_3294    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    4578    29.5413
contig-3    out.24-NULL gene_id_3295    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    4578    29.5413
contig-10   out.23-NULL gene_id_11670   NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    
contig-10   out.23-NULL gene_id_11671   NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL
contig-14   out.23-NULL gene_id_16640   NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    
contig-27   out.31-NULL gene_id_32333   NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL    NULL
contig-27   out.31-NULL gene_id_32334   NULL    NULL    NULL    NULL    NULL    NULL    NULL    

Answer 1

只是一些提示：

有多个不必要的括号：

keywords = ([line.strip() for line in f])

与完全相同

keywords = [line.strip() for line in f]

和

line1 = (line) 

与完全相同

line1 = line

在您的代码中还有更多发生这种情况的地方。

---

您根本不需要正则表达式。Python字符串有一个方便的startswith()方法：

代替

if re.match (r"b"+word+r"b" , line1):

你应该写

if line1.startswith(word):

---

我没有看到这个要求的任何代码

如果该单词在文件#2中找到，而不是在#3中找到，则输出将仅为文件#2中的行。

---

否则，您的代码似乎不会太远。你必须清楚你期望的输出是什么，以及计算机程序如何创建这种输出。从你所写的内容来看，我对你可能想要实现的目标有一些想法，并认为这可能就是：

annotations = open('annotation', 'r')
abundances = open('abundance', 'r').readlines()     # read the file into memory, otherwise you'd have to "rewind" the file for each inner loop.
with open('contig_numbers', 'r') as f:
   keywords = [line.strip() for line in f]

for annotation in annotations:     # use meaningful variable names
   for keyword in keywords:
      if annotation.startswith(keyword+" "):    # the +" " is neccessary to avoid clashes with 'contig-2' and 'contig-27'
         for abundance in abundances:
             if abundance.startswith(keyword+" "):
                 print (annotation.strip()+"t"+abundance.strip())
                 break 
         else:              # Python magic: executed when the for loop is not left by a break, but because the iterator is empty.
             print(annotation.strip())

进一步假设丰度在丰度文件中最多出现一次，将它们存储在字典中是有意义的，而不是一次又一次地迭代整个文件。。。

还有另一个改进：将contig_numbers存储为一个集合，以便快速进行成员资格测试。

abundances = {}
with open('abundance', 'r') as f:
    for line in f:
        contig, rest = line.strip().split(maxsplit=1)
        abundances[contig] = rest
with open('contig_numbers', 'r') as f:
   contig_numbers = set(line.strip() for line in f)

annotations = open('annotation', 'r')
for annotation in annotations:
    key = annotation.split(maxsplit=1)[0]
    if key in contig_numbers:
        if key in abundances:
            print (annotation.strip() + "t" + abundances[key])
        else:
            print(annotation.strip())

Answer 2

虽然您没有提到您试图解决的问题，但由于您的代码正在运行，我认为问题是输出文件是空的。

原因是在程序退出之前没有刷新或关闭文件。只需在最后添加一个new_file.close()，就可以开始了。