如何在字节模式python中使用字符串替换

守则：

def readFasta(filename):
    """ Reads a sequence in Fasta format """
    fp = open(filename, 'rb')
    header = ""
    seq = ""
    while True:
        line = fp.readline()
        if (line == ""):
            break
        if (line.startswith(b'>')):
            header = line[1:].strip()
        else:
            seq = fp.read().replace(b'\n',b'')
            seq = seq.replace(b'\r',b'')          # for windows
            break
    fp.close()
    return (header, seq)

FASTAsequence = readFasta("MusChr01.fa")

“”之前的b是必需的，因为我处于字节模式。问题是在运行时，fp.read.replace和seq.replace会删除字符串中的所有内容。我确实知道read工作正常，因为

def readFasta(filename):
    """ Reads a sequence in Fasta format """
    fp = open(filename, 'rb')
    header = ""
    seq = ""
    while True:
        line = fp.readline()
        if (line == ""):
            break
        if (line.startswith(b'>')):
            header = line[1:].strip()
        else:
            seq = fp.read()
            break
    fp.close()
    return (header, seq)

FASTAsequence = readFasta("MusChr01.fa")

---

很好用。这是怎么回事？

这是一种更简洁的函数编写方法。但我不知道为什么它对你不起作用

def readFasta(filename):
    """ Reads a sequence in Fasta format """
    header = seq = b""
    with open(filename, 'rb') as fp:
        for line in fp:
            if not line:
                break
            if line.startswith(b'>')):
                header = line[1:].strip()
            else:
                seq = fp.read().translate(None, b'\r\n')
                break
    return (header, seq)

---

<> > <代码> /<代码>块，代码不考虑<代码>行< /代码>。试试下面的

def readFasta(filename):
    header = b""
    seq = b""
    with open(filename, 'rb') as fp:
        while True:
            line = fp.readline()
            if not line:
                break
            if line.startswith(b'>'):
                header = line[1:].strip()
            else:
                seq = line + fp.read() # <--- without `line +`, you lose a line.
                seq = seq.translate(None, b'\r\n')
                break
    return header, seq

---

假设您使用的是Python3，这是您对字节模式的评论。您还应该为

header

和

seq

的初始值设置一个

b”“

，并且，

line==”

应该是

line==b”“

。我相信您应该使用文本模式，而不是二进制模式。如果您必须处理换行符，这意味着您的文件是文本文件，而不是二进制文件。如果不是这样，则二进制格式会因设计而被破坏，您最好创建一个新文件，将所有

\r\n

替换为

\n

，并使用该文件。好的，那么问题出在文件的长度上。打印无法处理数据的大小，这实际上工作正常。b'b'准确地说，是一行两行。您能添加一个小样本文件来解决您的问题吗？\n哦，它实际上适用于小文件。可能实际的问题是，所讨论的文件是190 mb。在任何迭代中，

not line

条件都不能为真（否则，

for

将已经停止），并且

fp.read（）之后的
break
）

也没用，因为在下一个循环中，文件指针将位于EOF，并且的

将自动停止。这仍然不能解释为什么
seq
在第二个版本中包含内容function@gnibbler，不，不是。这很奇怪。看起来这一行肯定应该包括在内。这可能与文件大小有关。这个文件是190mb，当我让它一直运行时，它的内存就用完了。
>>> with open('mchu.fasta', 'rb') as f: print(f.read().decode('ascii'))
... 
>MCHU - Calmodulin - Human, rabbit, bovine, rat, and chicken
ADQLTEEQIAEFKEAFSLFDKDGDGTITTKELGTVMRSLGQNPTEAELQDMINEVDADGNGTID
FPEFLTMMARKMKDTDSEEEIREAFRVFDKDGNGYISAAELRHVMTNLGEKLTDEEVDEMIREA
DIDGDGQVNYEEFVQMMTAK*

>>> readFasta('mchu.fasta')
(b'MCHU - Calmodulin - Human, rabbit, bovine, rat, and chicken', b'ADQLTEEQIAEFKEAFSLFDKDGDGTITTKELGTVMRSLGQNPTEAELQDMINEVDADGNGTIDFPEFLTMMARKMKDTDSEEEIREAFRVFDKDGNGYISAAELRHVMTNLGEKLTDEEVDEMIREADIDGDGQVNYEEFVQMMTAK*')