Python解析BacMet表格触发IndexError: list index out of range求助

报错IndexError: list index out of range的触发原因非常明确：

• 无法正常运行的输入文件存在格式不规范问题：同一条基因记录的内容被意外的换行符拆成了两个物理行，拆分后第一个物理行经过制表符分割仅得到6个元素，列表最大索引为5，脚本硬取索引位置6的Compounds字段时直接越界。
• 原脚本没有对拆分后的字段长度做合法性校验，固定按标准格式取列位置，完全不兼容这类格式不规范的输入。
• 原脚本中elif len(line) == 0: break是完全无效的冗余逻辑：逐行读取文件时，未到达文件末尾的每一行长度至少为1（换行符），这个判断永远不会触发，没有实际作用。

• 增加字段长度校验机制：拆分后字段数不足时，自动缓存当前行内容，拼接后续续行的片段，直到组成完整记录后再解析，避免越界
• 移除冗余无效判断
• 替换原脚本中依赖numpy的去重逻辑，改用Python原生set实现，减少不必要的第三方依赖
• 增加Compounds字段的空值兜底判断，避免字段为空时触发正则匹配报错
• 清理原脚本中残留的无意义代码片段enter code here

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import sys
import os
import re
from collections import OrderedDict

def main():
    if len(sys.argv) < 2:
        print("usage: python3 {} <bacmat_out_table> > output".format(sys.argv[0]))
        sys.exit(1)

    bacmat_out = os.path.abspath(sys.argv[1])
    class_sum = OrderedDict()
    # 缓存上一条不完整的记录片段，用于拼接跨行内容
    pending_line = ""
    with open(bacmat_out) as fh:
        for line in fh:
            # 跳过空行、表头行
            if re.search(r"^\s*$|^Query", line):
                continue
            
            # 拼接待处理的行内容
            full_line = pending_line + line
            pending_line = ""

            fields = full_line.strip().split("\t")
            # 字段数不足时，暂存当前行等待拼接后续内容
            if len(fields) <= 6:
                pending_line = full_line
                continue
            
            # 提取Compounds列并做空值校验
            compounds = fields[6]
            if not compounds.strip():
                continue

            if re.search(r'\[.*\]', compounds):
                compounds_class = re.findall(r'\[class:\s?(.+?)\]', compounds)
                # 原生set去重
                compounds_class = list(set(compounds_class))
                if len(compounds_class) > 0:
                    for i in compounds_class:
                        class_sum.setdefault(i, 0)
                        class_sum[i] += 1
            else:
                compounds = compounds.strip('"').strip("'").strip()
                if not compounds:
                    continue
                class_sum.setdefault(compounds, 0)
                class_sum[compounds] += 1
    print("Class\tCount")
    for key in sorted(class_sum.keys()):
        print(key, class_sum[key], sep="\t")

if __name__ == '__main__':
    main()

• 可自动识别输入文件中被意外换行拆分的不完整记录，拼接后正常解析
• 遇到格式不规范的短行不会直接崩溃，会自动缓存等待后续拼接
• 去掉了不必要的numpy依赖，降低运行环境配置成本
• 兼容Compounds字段为空、带引号包裹等边界场景

内容的提问来源于stack exchange，提问作者Budheswar