从FASTA文件构建基因序列字典遇问题，求解决方案

错误原因分析 #

1. 未正确提取基因名称：当遇到以>开头的行时，你调用了line.strip()但没有将处理后的结果赋值给accesion_number，导致这个变量始终是空字符串，无法作为有效的字典键。
2. 产生无效空键值对：第一次处理>行时，代码会把初始为空的accesion_number和sequentie存入字典，生成一个无用的空键条目。
3. 序列拼接操作冗余：line.rstrip().strip("\n").strip("\r")属于重复操作，rstrip()默认会移除字符串末尾的所有空白字符（包括换行、回车），不需要额外多次调用strip。

修复后的代码 #

dictionary = {}

accesion_number = ""
sequentie = ""

with open("6EP.fasta", "r") as proteoom:
    for line in proteoom:
        line = line.strip()  # 先统一处理每行的首尾空白
        if not line:  # 跳过空行
            continue
        if line.startswith(">"):
            # 先判断是否已有收集的序列（避免第一次循环就存入空值）
            if accesion_number:
                dictionary[accesion_number] = sequentie
            # 提取基因名称：去掉开头的>，再取剩余部分
            accesion_number = line[1:].strip()
            sequentie = ""  # 重置序列变量
        else:
            # 直接拼接处理后的序列行
            sequentie += line
    # 处理最后一个基因的序列
    if accesion_number:
        dictionary[accesion_number] = sequentie

关键修改说明 #

• 先对每行执行line.strip()，统一处理首尾空白，同时跳过空行，避免空行干扰序列拼接。
• 遇到>行时，先判断accesion_number是否非空，避免第一次循环就存入无效的空键值对。
• 通过line[1:].strip()正确提取基因名称（去掉开头的>符号，再清理可能的多余空白）。
• 简化序列拼接逻辑，直接使用sequentie += line，因为已经提前处理过每行的空白。
• 最后保存最后一个基因的序列时，同样先判断accesion_number是否非空，避免文件末尾空行导致的无效条目。

内容的提问来源于stack exchange，提问作者Noor