如何读取文件名并返回FASTA数据结构？（含DNA.txt解析需求）

问题背景 #

现有DNA.txt文件，内容为FASTA格式的基因序列：

>HSGLTH1 Human theta 1-globin gene
CCACTGCACTCACCGCACCCGGCCAATTTTTGTGTTTTTAGTAGAGACTAAATACCATATAGTGAACACCTAAGA
CGGGGGGCCTTGGATCCAGGGCGATTCAGAGGGCCCCGGTCGGAGCTGTCGGAGATTGAGCGCGCGCGGTCCCGG
GATCTCCGACGAGGCCCTGGACCCCCGGGCGGCGAAGCTGCGGCGCGGCGCCCCCTGGAGGCCGCGGGACCCCTG
GCCGGTCCGCGCAGGCGCAGCGGGGTCGCAGGGCGCGGCGGGTTCCAGCGCGGGGATGGCGCTGTCCGCGGAGGA
CCGGGCGCTGGTGCGCGCCCTGTGGAAGAAGCTGGGCAGCAACGTCGGCGTCTACACGACAGAGGCCCTGGAAAG
GTGCGGCAGGCTGGGCGCCCCCGCCCCCAGGGGCCCTCCCTCCCCAAGCCCCCCGGACGCGCCTCACCCACGTTC
CTCTCGCAGGACCTTCCTGGCTTTCCCCGCCACGAAGACCTACTTCTCCCACCTGGACCTGAGCCCCGGCTCCTC
ACAAGTCAGAGCCCACGGCCAGAAGGTGGCGGACGCGCTGAGCCTCGCCGTGGAGCGCCTGGACGACCTACCCCA
CGCGCTGTCCGCGCTGAGCCACCTGCACGCGTGCCAGCTGCGAGTGGACCCGGCCAGCTTCCAGGTGAGCGGCTG
CCGTGCTGGGCCCCTGTCCCCGGGAGGGCCCCGGCGGGGTGGGTGCGGGGGGCGTGCGGGGCGGGTGCAGGCGAG
TGAGCCTTGAGCGCTCGCCGCAGCTCCTGGGCCACTGCCTGCTGGTAACCCTCGCCCGGCACTACCCCGGAGACT
TCAGCCCCGCGCTGCAGGCGTCGCTGGACAAGTTCCTGAGCCACGTTATCTCGGCGCTGGTTTCCGAGTACCGCT
GAACTGTGGGTGGGTGGCCGCGGGATCCCCAGGCGACCTTCCCCGTGTTTGAGTAAAGCCTCTCCCAGGAGCAGC
CTTCTTGCCGTGCTCTCTCGAGGTCAGGACGCGAGAGGAAGGCGC

需要实现get_DNA(name)函数，完成以下要求：

1. 读取指定文件
2. 将首行作为FASTA头部（header）
3. 后续序列去除空白字符，保留原换行格式
4. 返回[header, 完整序列]的列表结构
5. 确保文件正确关闭

用户现有代码片段无法区分header和序列部分：

def get_DNA(name):
    with open(DNA.txt,'r') as dna:
        DNA_d = {}
        for line in dna:
            if line ????????
        return DNA_d

解决方案 #

以下是完整的实现代码：

def get_DNA(name):
    header = ""
    sequence_lines = []
    with open(name, 'r') as dna_file:
        for line in dna_file:
            stripped_line = line.strip()
            # 跳过空行
            if not stripped_line:
                continue
            # 判断是否为FASTA头部行
            if stripped_line.startswith('>'):
                # 保留原头部格式，仅去除末尾换行符
                header = line.rstrip('\n')
            else:
                # 去除序列行的空白字符，保留原换行结构
                sequence_lines.append(stripped_line + '\n')
    # 拼接序列行并去除最后多余的换行符
    full_sequence = ''.join(sequence_lines).rstrip('\n')
    return [header, full_sequence]

代码说明 #

• 自动文件管理：使用with open(...)上下文管理器，无需手动调用close()，确保文件读取后自动关闭。
• 头部识别：通过判断行是否以>开头，识别FASTA头部，保留原格式。
• 序列处理：遍历序列行，去除首尾空白后添加换行符，保证序列的换行结构与原文件一致；最后拼接成完整序列字符串，去除末尾多余的换行。
• 返回结构：返回包含header和完整序列的列表，完全符合预期输出格式。

内容的提问来源于stack exchange，提问作者starbucksdoubleshot