python - 通过根据一组字符将文件拆分为列表项，将文本文件读入 python

Question

我有一个包含以下内容的纯文本文件：

@M00964: XXXXX
YYY
+
ZZZZ 
@M00964: XXXXX
YYY
+
ZZZZ
@M00964: XXXXX
YYY
+
ZZZZ

我想将其读入根据 ID 代码拆分为项目的列表@M00964，即：

['@M00964: XXXXX
YYY
+
ZZZZ' 
'@M00964: XXXXX
YYY
+
ZZZZ'
'@M00964: XXXXX
YYY
+
ZZZZ']

我试过使用

in_file = open(fileName,"r")
sequences = in_file.read().split('@M00964')[1:]
in_file.close()

但这会删除 ID 序列@M00964。有什么办法可以保留这个 ID 序列吗？

作为另一个问题，是否有任何方法可以在列表中维护空白（而不是 /n 符号）。

我的总体目标是读入这组项目，以前 2 个项目为例，然后将它们写回保持所有原始格式的文本文件。

Answer 1

如果您的文件很大并且您不想将整个内容保存在内存中，则可以使用此辅助函数迭代单个记录：

def chunk_records(filepath)
    with open(filepath, 'r') as f:
        record = []
        for line in f:
            # could use regex for more complicated matching
            if line.startswith('@M00964') and record:
                yield ''.join(record)
                record = []
            else:
                record.append(line)
        if record:
            yield ''.join(record)

像这样使用它

for record in chunk_records('/your/filename.txt'):
    ...

或者，如果你想把整个事情记在内存中：

records = list(chunk_records('/your/filename.txt'))

Answer 2

只需在 @ 符号上拆分：

with open(fileName,"r") as in_file:
    sequences = in_file.read().replace("@","###@").split('###')

Answer 3

具体到您的示例，您不能只执行以下操作：

in_file = open(fileName, 'r')
file = in_file.readlines()

new_list = [''.join(file[i*4:(i+1)*4]) for i in range(int(len(file)/4))]
list_no_n = [item.replace('\n','') for item in new_list]

print new_list
print list_no_n

[扩展形式]

new_list = []
for i in range(int(len(file)/4)): #Iterates through 1/4 of the length of the file lines.
                                  #This is because we will be dealing in groups of 4 lines
    new_list.append(''.join(file[i*4:(i+1)*4])) #Joins four lines together into a string and adds it to the new_list

[写入新文件]

write_list = ''.join(new_list).split('\n')
output_file = open(filename, 'w')
output_file.writelines(write_list)