如何在Python中查找特定文件

我有一个包含以下结构文件的目录

A2ML1_A8K2U0_MutationOutput.txt
A4GALT_Q9NPC4_MutationOutput.txt
A4GNT_Q9UNA3_MutationOutput.txt
...

前几个字母代表基因，后几个字母代表Uniprot编号（唯一的蛋白质标识符）和突变输出是不言自明的

在Python中，我希望执行以下行：

f_outputfile.write(mutation_directory + SOMETHING +line[1+i]+"_MutationOutput.txt\n")

这里，

行[1+i]

正确地标识了Uniprot ID

我需要做的是正确识别基因名。因此，我需要快速搜索该目录，在uniprot字段中找到包含

行[I+1]

值的文件，然后取出基因名

我知道我可以列出目录中的所有文件，然后我可以对每个字符串执行

str.split（）

，并找到它。但有没有办法让我更聪明呢？我应该用字典吗？我可以做一个快速的正则表达式搜索吗

整个目录大约有8116个文件——所以没有那么多

谢谢你的帮助

我需要做的是正确识别基因名。因此，不知何故，我需要快速搜索该目录，在uniprot字段中找到具有行[I+1]值的文件，然后取出基因名

想一想在shell中如何执行此操作：

$ ls mutation_directory/*_A8K2U0_MutationOutput.txt
mutation_directory/A2ML1_A8K2U0_MutationOutput.txt

或者，如果您在Windows上：

D:\Somewhere> dir mutation_directory\*_A8K2U0_MutationOutput.txt
A2ML1_A8K2U0_MutationOutput.txt

在Python中，您可以使用模块执行完全相同的操作：

当然，您可以将其封装在一个函数中：

>>> def find_gene(uniprot):
...     pattern = 'mutation_directory/*_{}_MutationOutput.txt'.format(uniprot)
...     return glob.glob(pattern)[0]

---

但有没有办法让我更聪明呢？我应该用字典吗

这是否“更聪明”取决于你的使用模式

如果每次运行都要查找数千个文件，那么只读取一次目录并使用字典而不是重复搜索肯定会更有效率。但是，如果你打算，例如，无论如何都要读取整个文件，这将比查找文件要多出几个数量级，所以这可能无关紧要。你知道他们怎么说过早优化

但是，如果您愿意，您可以很容易地制作一本由Uniprot编号键入的词典：

d = {}
for f in os.listdir('mutation_directory'):
    gene, uniprot, suffix = f.split('_')
    d[uniprot] = f

然后：

>>> d['A8K2U0']
'mutation_directory/A2ML1_A8K2U0_MutationOutput.txt'

---

我可以做一个快速的正则表达式搜索吗

对于您的简单情况，您不需要正则表达式*

更重要的是，你打算搜索什么？要么你要循环，在这种情况下，你可以使用

glob

——要么你必须建立一个人工巨大字符串来搜索，在这种情况下，你最好只建立字典

---

*事实上，至少在某些平台/实现上，

glob

是通过使用简单的通配符模式生成正则表达式来实现的，但您不必担心这一点。

您可以使用glob

In [4]: import glob

In [5]: files = glob.glob('*_Q9UNA3_*')

In [6]: files
Out[6]: ['A4GNT_Q9UNA3_MutationOutput.txt']

这里有一个很好的起点：

In [4]: import glob

In [5]: files = glob.glob('*_Q9UNA3_*')

In [6]: files
Out[6]: ['A4GNT_Q9UNA3_MutationOutput.txt']