如何修正Python代码，基于名称列表提取数据库文件匹配行？

问题说明 #

需要从数据库文件中提取与名称文件内VOG编号完全匹配的行。现有代码尝试通过line.replace("!*", "")截取VOG编号，但写法错误，无法实现正确匹配，需修正逻辑完成提取功能。

示例文件 #

• 名称文件内容：

VOG00001 
VOG00002 
VOG00004

• 数据库文件内容：

VOG00001!962!834!Xu!sp|O31936|YOPB_BACSU_Putative_antitoxin_YopB
VOG00002!206!17!Xh!sp|Q5UPJ9|YL122_MIMIV_Putative_ankyrin_repeat_protein_L12
VOG00003!1284!960!Xr!sp|O22001|VXIS_BPMD2_Excisionase
VOG00004!353!304!Xu!sp|P03795|Y28_BPT7_Protein_2.8
VOG00005!253!60!Xu!REFSEQ_hypothetical_protein

• 预期结果：提取名称文件中VOG编号对应的所有数据库行。

现有代码的问题分析 #

1. 错误的VOG编号截取逻辑：line.replace("!*", "")中的!*是普通字符串，*不会被当作通配符匹配!后的所有内容，无法正确提取VOG编号。
2. 名称列表未处理换行符：直接读取名称文件为列表时，每个元素包含换行符（如VOG00001\n），与数据库中截取的无换行VOG编号无法匹配。
3. 文件关闭操作未执行：log函数中output.close缺少括号，不会真正关闭文件，易引发资源泄漏。
4. 潜在的索引越界问题：log(line, data[i + 1])在遍历到最后一行时，i+1会超出列表长度导致报错。
5. 低效的遍历与匹配：使用while循环遍历列表，且用列表存储名称（匹配时为O(n)复杂度），效率较低。

修正后的代码 #

def write_to_output(content):
    # 使用with语句自动管理文件，无需手动关闭
    with open('output.txt', 'a', encoding='utf-8') as output:
        output.write(content)

def main():
    nfile = 'input/' + input('Enter file with names: ')
    dfile = 'input/' + input('Enter file with data: ')
    
    # 读取名称文件，处理换行符并转为集合（提升匹配效率）
    with open(nfile, 'r', encoding='utf-8') as f:
        vog_names = {line.strip() for line in f if line.strip()}
    
    # 遍历数据库文件，逐行处理
    with open(dfile, 'r', encoding='utf-8') as f:
        for line in f:
            line = line.strip()
            if not line:
                continue
            # 按!分割行，第一个元素即为VOG编号
            vog_id = line.split('!')[0].strip()
            # 匹配成功则写入结果
            if vog_id in vog_names:
                write_to_output(line + '\n')

if __name__ == "__main__":
    main()

关键修改说明 #

1. 正确截取VOG编号：使用split('!')[0].strip()分割数据库行，直接获取第一个字段（VOG编号），确保准确无冗余。
2. 优化名称存储：将名称转为集合，匹配操作的时间复杂度从O(n)降至O(1)，同时处理掉换行符和空行，避免匹配失败。
3. 安全的文件操作：用with语句管理文件句柄，自动完成关闭操作，避免资源泄漏。
4. 简洁安全的遍历：用for循环逐行读取数据库文件，无需手动维护索引，彻底避免索引越界问题。
5. 健壮性提升：增加空行判断，跳过无效行，避免处理空内容引发错误。

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