求助：如何用Python编辑含特殊字符的FASTA文件并提取DNA序列

原代码的问题很明显：

• 语法错误：for word('{') in text_data这种写法完全不符合Python语法，根本跑不起来
• 没有对读取到的文本执行实际替换操作，只是给变量result赋值，完全没修改原内容
• 没有将处理后的内容写入文件，等于白忙活

正确的处理方式是直接对整个文本内容做字符串替换，步骤如下：

1. 读取整个文件的内容（你的类JSON内容是单行结构，用read()比按行读的readlines()更合适）
2. 把开头的{替换成>
3. 把, "dna": "替换成换行符\n
4. 将处理后的内容写入目标文件

修正后的代码 #

# 读取原文件内容
with open("sequence.fasta", "r") as f:
    content = f.read()

# 执行两次替换操作
processed_content = content.replace('{', '>').replace(', "dna": "', '\n')

# 写入处理后的内容（这里写新文件避免覆盖原数据，也可以直接替换原文件）
with open("processed_sequence.fasta", "w") as f:
    f.write(processed_content)

效果验证 #

假设原文件内容是：

{ "downloadTime": "2024-05-20", "downloadTimeStamp": 1716192000, "genome": "hg38", "chrom": "chr1", "start": 1000, "end": 2000, "dna": "ATCGATCG" }

处理后会变成：

> "downloadTime": "2024-05-20", "downloadTimeStamp": 1716192000, "genome": "hg38", "chrom": "chr1", "start": 1000, "end": 2000
ATCGATCG" }

如果想去掉第二行末尾的 }，让DNA序列只保留结尾双引号，可以再加一次替换：

processed_content = content.replace('{', '>').replace(', "dna": "', '\n').replace('" }', '"')

处理后第二行就变成ATCGATCG"，完全符合你的需求。

内容的提问来源于stack exchange，提问作者cocobolo