Python如何识别@开头的行提取read ID并获取下一行序列长度

你要处理的是标准FASTQ测序格式文件，每4行对应一条读段，刚好匹配你的需求，用Python原生文件迭代就能轻松实现，不需要额外安装第三方库。

完整可运行代码 #

# 替换为你自己的输入、输出文件路径
input_file = "sample.fastq"
output_file = "read_length.txt"

# 用with上下文管理器自动管理文件开闭，避免资源泄漏
with open(input_file, 'r', encoding='utf-8') as f_in, open(output_file, 'w', encoding='utf-8') as f_out:
    for line in f_in:
        stripped_line = line.strip()
        # 识别以@开头的read ID行
        if stripped_line.startswith('@'):
            # 按空格拆分取第一部分，就是完整read ID
            read_id = stripped_line.split()[0]
            # 直接取文件迭代器的下一行，就是对应的DNA序列行
            dna_seq = next(f_in).strip()
            # 计算序列长度
            seq_length = len(dna_seq)
            # 写入输出文件，制表符分隔ID和长度，可按需修改分隔格式
            f_out.write(f"{read_id}\t{seq_length}\n")

核心逻辑说明 #

• 识别@开头行：调用字符串的startswith('@')方法，直接判断当前行是否为ID行，逻辑简单高效。
• 跳转下一行：Python的文件对象是可迭代对象，调用next()方法就可以直接获取迭代器的下一个元素，也就是ID行的下一行序列，完全符合你跳转取序列的需求。
• ID提取：ID行按空格拆分后的第一个元素就是标准FASTQ的读段ID，和你提供的示例格式完全匹配。
• 文件自动关闭：with语句会在代码块执行完成后自动关闭输入输出文件，不需要你手动调用close()方法，避免忘记关文件导致的资源占用问题。

输出示例 #

用你提供的文件片段运行后，输出文件内容如下：

@D00780:143:CAJ3WANXX:1:1105:2036:1975	150
@D00780:143:CAJ3WANXX:1:1105:2106:1978	120
@D00780:143:CAJ3WANXX:1:1105:2469:1982	126

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