Python如何判断文件为真实FASTQ格式？为何SeqIO的FASTA校验逻辑不适用？

两种格式校验效果不一致的原因 #

该差异是BioPython的SeqIO模块对两种格式的解析容错设计不同导致的：

• FASTA格式解析器的容错逻辑更宽松：遇到不符合FASTA规范的输入时，只会返回空迭代器，不会抛出异常，因此any(fasta)遇到非FASTA文件时会正常返回False，不会报错。
• FASTQ格式解析器遵循严格的格式校验规则：只要检测到不符合规范的内容（比如记录首行不是@、序列长度和质量值长度不匹配等），会直接抛出ValueError异常，不会返回空迭代器，所以原有代码没有做异常捕获的情况下就会直接终止运行。

正确的FASTQ格式校验方案 #

只需要在原有逻辑的基础上增加异常捕获逻辑即可，同时你可以按需选择是仅校验至少存在一条合法记录，还是全量校验整个文件的所有记录都符合格式：

from Bio import SeqIO

def is_fastq(filename, check_all_records=False):
    try:
        with open(filename, "r") as handle:
            fastq_iter = SeqIO.parse(handle, "fastq")
            if check_all_records:
                # 全量校验所有记录都符合FASTQ规范，适合严格校验场景
                return len(list(fastq_iter)) > 0
            # 仅校验至少存在一条合法FASTQ记录，性能更高
            return any(fastq_iter)
    except (ValueError, IOError, UnicodeDecodeError):
        # 捕获格式错误、文件读取错误、编码错误等异常
        return False

如果要同时区分FASTA、FASTQ、其他格式，按顺序调用两个校验函数即可，注意如果存在两种格式都符合的极端边缘情况，可以优先判断FASTQ再判断FASTA。

内容的提问来源于stack exchange，提问作者C insi