基因文本转CSV列格式错误：基因序列跨行问题解决问询

你的代码核心逻辑已经能处理跨行的基因序列，但出现CSV格式异常的原因主要有两个：一是缺少必要的csv模块导入，二是未跳过文件中的空白行（可能导致序列混入无效空字符，或特殊字符未被正确转义）。以下是修正后的完整代码及说明：

修正后的代码 #

import csv  # 必须导入csv模块，原代码遗漏了这一步

def parse_gene_file(input_file):
    genes = []
    with open(input_file, 'r') as file:
        gene_name = None
        gene_sequence = []
        for line in file:
            line = line.strip()
            # 跳过空白行，避免空字符串混入序列
            if not line:
                continue
            if line.startswith('>'):
                # 保存上一个基因的信息
                if gene_name is not None:
                    full_sequence = ''.join(gene_sequence)
                    genes.append((gene_name, full_sequence))
                    print(f"Added gene: {gene_name} with sequence: {full_sequence}")
                # 提取新基因名，去掉开头的>和前后空白
                gene_name = line[1:].strip()
                gene_sequence = []
            else:
                # 拼接跨行的序列
                gene_sequence.append(line)
        # 保存最后一个基因的信息
        if gene_name is not None:
            full_sequence = ''.join(gene_sequence)
            genes.append((gene_name, full_sequence))
            print(f"Added gene: {gene_name} with sequence: {full_sequence}")
    return genes

def write_to_csv(genes, output_file):
    with open(output_file, 'w', newline='', encoding='utf-8') as csvfile:
        # 使用csv.writer自动处理特殊字符（逗号、引号等）的转义
        writer = csv.writer(csvfile)
        writer.writerow(['Gene Name', 'Gene Sequence'])
        writer.writerows(genes)

def main(input_file, output_file):
    genes = parse_gene_file(input_file)
    write_to_csv(genes, output_file)

if __name__ == "__main__":
    input_file = r'C:\your_input.txt'  # 修正路径格式，原路径缺少分隔符
    output_file = r'C:\your_output.csv'
    main(input_file, output_file)

关键修正点说明 #

• 添加import csv：原代码未导入csv模块，会导致csv.writer无法调用，这是基础错误。
• 跳过空白行：遍历文件时直接跳过空行，避免无效空字符混入基因序列，保证序列完整性。
• 修正文件路径格式：原代码中的路径C:txt格式错误，需添加路径分隔符\（用原始字符串r''避免转义问题）。
• 指定编码格式：写入CSV时添加encoding='utf-8'，避免中文基因名出现乱码。
• 自动转义特殊字符：csv.writer会自动处理序列中的逗号、双引号等特殊字符，防止这些字符破坏CSV的列结构，从根源解决格式异常问题。

验证逻辑 #

修正后的代码会：

1. 逐行读取FASTA文件，遇到>开头的行则切换到新基因。
2. 将跨行的基因序列拼接成完整字符串，跳过空白行。
3. 使用标准CSV写入工具，确保特殊字符被正确转义，输出格式严格符合CSV规范。

内容的提问来源于stack exchange，提问作者Leafy