Python匹配/Homer结尾模式后打印后续行直至下一个模式的实现方法

实现思路 #

• 先将motif_list.txt预读取为字典，键为/Homer结尾的标识串，值为对应的motif类型，避免后续重复遍历查找，提升处理效率
• 遍历annotation.txt每一行，维护当前生效的标识串和对应motif值：
  • 遇到/Homer结尾的行时，更新当前生效的标识和motif
  • 遇到普通基因行时，用当前生效的标识和motif拼接输出
  • 遇到分割线、空行直接跳过

完整可运行代码 #

import re

# 读取motif_list为字典，实现O(1)速度查找对应关系
motif_dict = {}
with open("motif_list.txt", "r", encoding="utf-8") as f:
    for line in f:
        line = line.strip()
        if not line:
            continue
        parts = line.split("\t")
        if len(parts) >= 2:
            key = parts[0].strip()
            motif_dict[key] = parts[1].strip()

# 逐行处理annotation.txt
current_homer_id = None
current_motif_type = None
with open("annotation.txt", "r", encoding="utf-8") as f:
    for line in f:
        raw_line = line.strip()
        # 跳过分割线和空行
        if not raw_line or raw_line.startswith("---"):
            continue
        # 判断是否为/Homer结尾的标识行
        if re.search(r"/Homer$", raw_line):
            if raw_line in motif_dict:
                current_homer_id = raw_line
                current_motif_type = motif_dict[raw_line]
            else:
                # 未匹配到的标识行，后续行不输出
                current_homer_id = None
                current_motif_type = None
            continue
        # 是基因行且有生效的标识就按要求输出
        if current_homer_id and current_motif_type:
            print(f"{raw_line}\t{current_homer_id}\t{current_motif_type}")

代码优化点 #

1. 修复了原代码中motif_into的拼写错误（应为motif_info）
2. 用字典替代嵌套循环查找motif对应关系，处理大文件时效率提升明显
3. 统一对行做strip处理，避免换行符、首尾空格导致的匹配失败问题
4. 增加了空行、分割线的跳过逻辑，避免无效内容输出
5. 用with语句管理文件句柄，执行完自动关闭文件，避免资源泄漏

内容的提问来源于stack exchange，提问作者Bitsy