如何在定义glob_wildcards时排除隐藏文件（多输入场景）

我正在用Snakemake的glob_wildcards定义输入目录的通配符，当前代码如下：

files = glob_wildcards("input/{organism}/{gene}/{sequence}.txt")

但input目录中存在以.或._开头的隐藏文件/子文件夹，希望在定义通配符时直接排除它们。

我尝试用正则表达式匹配不以.开头的内容来约束通配符，却得到了空的通配符结果：

files = glob_wildcards("input/{organism,[^.]+}/{gene,[^.]+}/{sequence,[^.]+}.txt")

# 输出结果
files:
Wildcards(organism=[], gene=[], sequence=[])

补充说明
未使用正则约束时的示例输出：

files:
Wildcards(organism=['organism', 'organism'], 
          gene=['gene', 'gene'], 
          sequence=['._gene-pseudo_V:123..456__organism__gene', 'gene-pseudo_V:123..456__organism__gene']

问题原因 #

你用的正则[^.]+要求匹配完全不包含.的字符串，但你的有效文件名（比如示例中的gene-pseudo_V:123..456__organism__gene）里包含.，所以这个正则会把有效文件也排除，导致结果为空。你真正需要的是匹配不以.开头的字符串，而非完全不含.的字符串。

解决方案 #

修改正则约束，使用[^.].*来匹配「第一个字符不是.，后续可以是任意字符（包括.）」的内容：

files = glob_wildcards("input/{organism,[^.].*}/{gene,[^.].*}/{sequence,[^.].*}.txt")

这个正则会：

• 排除所有以.开头的organism子文件夹
• 排除所有以.开头的gene子文件夹
• 排除所有以.开头的sequence文件名（包括._开头的）

如果需要确保通配符内容不为空，可以把.*改成.+，即[^.].+，这样要求至少有两个字符（第一个非.，后面至少一个字符）。

内容的提问来源于stack exchange，提问作者amk