如何使用Python处理NCBI FTP路径，生成带_genomic.fna.gz后缀的目标路径

实现逻辑 #

• 先对输入的原始路径做标准化处理，去除末尾多余斜杠，兼容不同格式的输入
• 提取路径最后一级目录名称
• 按照规则拼接目标文件名，再追加到原路径后得到最终结果

代码实现 #

推荐用Python标准库urllib处理，兼容性更强，可适配各类FTP路径格式：

from urllib.parse import urlparse, urlunparse

def convert_ncbi_ftp_path(origin_path: str) -> str:
    # 解析FTP路径结构
    parsed = urlparse(origin_path)
    # 标准化路径，去除末尾多余斜杠
    clean_path = parsed.path.rstrip('/')
    # 提取最后一级目录名
    last_dir = clean_path.split('/')[-1]
    # 生成目标文件名
    target_filename = f"{last_dir}_genomic.fna.gz"
    # 拼接新路径并重构完整URL
    new_path = f"{clean_path}/{target_filename}"
    return urlunparse(parsed._replace(path=new_path))

如果仅处理固定格式的NCBI路径，也可以用更简洁的字符串处理方案：

def convert_ncbi_ftp_path_simple(origin_path: str) -> str:
    clean_path = origin_path.rstrip('/')
    last_dir = clean_path.split('/')[-1]
    return f"{clean_path}/{last_dir}_genomic.fna.gz"

测试示例 #

origin_path = "ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/001/316/945/GCA_001316945.3_ASM131694v3"
print(convert_ncbi_ftp_path(origin_path))
# 输出：ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/001/316/945/GCA_001316945.3_ASM131694v3/GCA_001316945.3_ASM131694v3_genomic.fna.gz

两种实现都兼容原始路径末尾带斜杠的输入场景。

内容的提问来源于stack exchange，提问作者Yad.yos