如何使用Python仅修改GFF3(TSV格式)文件的指定单列内容

方案1：awk命令行处理（推荐，轻量且不会破坏原文件格式） #

GFF3的注释行以#开头，awk可以直接区分注释和数据行，仅对数据行的第一列做替换，全程不会改动其他列的内容和分隔格式。
替换命令示例如下，将其中的old_str替换为你要修改的目标字符，new_str替换为目标结果，your_file.gff3改为你的文件路径：

# 先执行该命令输出到临时文件，确认内容无误后再覆盖原文件
awk 'BEGIN{FS=OFS="\t"} /^[^#]/ {gsub(/old_str/, "new_str", $1)} 1' your_file.gff3 > tmp.gff3 && mv tmp.gff3 your_file.gff3

参数说明：

• BEGIN{FS=OFS="\t"}：指定输入、输出的分隔符均为制表符，不会改动原文件的列分隔格式
• /^[^#]/：仅匹配非注释行，所有#开头的注释行原样输出不做修改
• gsub(/old_str/, "new_str", $1)：仅在第一列执行全局替换，不会触碰其他列的内容
• 最后面的1是awk的固定写法，代表输出所有处理后的行

如果替换的是固定纯文本不需要正则匹配，可改用以下写法避免正则特殊字符转义问题：

awk 'BEGIN{FS=OFS="\t"} /^[^#]/ {if(index($1,"old_str")>0) sub("old_str","new_str",$1)} 1' your_file.gff3 > tmp.gff3 && mv tmp.gff3 your_file.gff3

方案2：Python pandas处理（适合替换逻辑复杂的场景） #

你之前用pandas出问题是因为默认会丢弃注释行，且没有强制保留原格式，按以下步骤修改即可：

import pandas as pd

# 按需修改以下三个配置项
old_str = "待替换的字符"
new_str = "替换后的字符"
gff_path = "你的GFF3文件路径"

# 第一步：先读取所有注释行单独保存
comments = []
with open(gff_path, "r", encoding="utf-8") as f:
    for line in f:
        if line.startswith("#"):
            comments.append(line)
        else:
            break

# 第二步：读取数据行，所有列按字符串读取避免格式转换
df = pd.read_csv(
    gff_path,
    sep="\t",
    comment="#",
    header=None,
    dtype=str
)

# 第三步：仅修改第一列
# regex参数设为False代表纯文本替换，需要正则匹配的话改为True
df[0] = df[0].str.replace(old_str, new_str, regex=False)

# 第四步：写回原文件
with open(gff_path, "w", encoding="utf-8") as f:
    # 先写回所有注释
    f.writelines(comments)
    # 写回数据，quoting=3代表不对任何字段加引号，符合GFF3格式规范
    df.to_csv(f, sep="\t", index=False, header=False, quoting=3)

注意事项 #

• 两种方案执行前都建议先备份原文件，避免替换逻辑出错丢失数据
• 若待替换字符包含.、*、+等正则特殊字符，不需要正则匹配时请关闭正则选项，避免误替换

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