Python统计文本行首ATOM/HETATM出现次数异常问题排查

问题根源 #

你得到结果3的核心原因是误用了字符串count()方法——这个方法会匹配文本中所有出现的目标子串，而非仅统计以该子串开头的行。比如那行REMARK记录，虽然行首是REMARK，但内容里包含的"ATOM"会被count("ATOM")额外统计，加上真正的ATOM行和HETATM行，总数就变成了3，和预期的2不符。

典型错误代码示例 #

推测你的代码逻辑类似如下：

with open("b.txt", "r") as f:
    content = f.read()
total = content.count("ATOM") + content.count("HETATM")
print(total)

这种写法会把所有位置的"ATOM"和"HETATM"都纳入统计，不管它们是不是在行首。

正确实现方式 #

要精准统计以指定字符串开头的行，需要逐行检查每行的起始内容：

line_count = 0
with open("b.txt", "r") as file:
    for line in file:
        # 先去除换行符与首尾空白，避免行首空格导致的匹配失败
        cleaned_line = line.strip()
        if cleaned_line.startswith("ATOM") or cleaned_line.startswith("HETATM"):
            line_count += 1
print(line_count)

这段代码通过startswith()方法严格匹配行首内容，只会统计真正符合要求的行，最终得到预期结果2。

额外提示 #

如果目标文件的行可能存在前导空格，务必先清理空白字符再做匹配，避免出现漏统计的情况；反之，如果行首空格是需要排除的条件，则跳过strip()步骤直接匹配原始行的起始内容。

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