Python文本解析：拆分多序列文件时如何保留带>的序列头？

我有一个包含多序列的比对结果文本文件，希望将每个序列拆分到独立的新文本文件中。目前已能通过字符'>'检测序列并完成拆分，但生成的新文件缺失了含'>'的序列头行。

现有代码：

with open("result.txt",'r') as fo:
    start=0
    op= ' '
    cntr=1
    # print(fo.readlines())
    for x in fo.readlines():
        # print(x)
        if (x[0]== '>'):
            if (start==1):
                with open(str(cntr)+'.txt','w') as opf:
                    opf.write(op)
                    opf.close()
                    op= ' '
                    cntr+=1
            else:
                start=1   
        else:
            if (op==''):
                op=x
            else:
                op= op + '\n' + x
    fo.close()
    print('completed') 

期望每个新文件开头为：

>P51051.1 RecName: Full=Melatonin receptor type 1B; Short=Mel-1B-R; Short=Mel1b 
receptor [Xenopus laevis]
Length=152 

但当前生成的文件开头是：

receptor [Xenopus laevis]
Length=152

修改方案 #

问题核心是原代码完全跳过了含'>'的行，没有将其加入到待写入的内容中。调整逻辑，把'>'行作为每个序列的起始部分即可：

修改后的代码：

with open("result.txt",'r') as fo:
    op = ''
    cntr = 1
    for x in fo.readlines():
        # 检测到新的序列头
        if x.startswith('>'):
            # 若已有未写入的序列内容，先写入文件
            if op:
                with open(f"{cntr}.txt", 'w') as opf:
                    opf.write(op.strip('\n'))
                cntr += 1
                op = ''
            # 将当前序列头加入待写入内容
            op = x
        else:
            # 追加序列内容到待写入变量
            op += x
    # 处理最后一个未写入的序列
    if op:
        with open(f"{cntr}.txt", 'w') as opf:
            opf.write(op.strip('\n'))
    print('completed')

修改说明 #

• 移除冗余的start变量，直接通过op是否为空判断是否存在未写入的序列
• 遇到'>'行时，先完成上一个序列的写入（如果有），再将当前'>'行作为新序列的起始
• 补充了最后一个序列的写入逻辑（原代码会漏掉最后一个序列）
• 加入strip('\n')避免文件末尾出现多余空行，可根据需求自行移除

内容的提问来源于stack exchange，提问作者BScpj