如何通过python将生成的文本文件转换为tsv数据格式？

因此，我有一个以下格式的文本文件：

Splice site predictions for 46 sequences with donor score cutoff 0.40, acceptor score cutoff 0.40 (exon/intron boundary shown in larger font):
Acceptor site predictions for MFSD8 :
Start   End    Score     Intron               Exon
1       41     0.96      atttgtgtttttctttttaagagaacatcgtgtggatgact

Donor site predictions for CEP290 :

Start   End    Score     Exon   Intron
1       15     0.72      acttcaggtatactc

id        type         score    seq
MFSD8     acceptor     0.96     atttgtgtttttctttttaagagaacatcgtgtggatgact
CEP290    donor        0.72     acttcaggtatactc

文件中还有更多这样的重复格式条目。我想将其转换为以下格式的TSV文件：

Splice site predictions for 46 sequences with donor score cutoff 0.40, acceptor score cutoff 0.40 (exon/intron boundary shown in larger font):
Acceptor site predictions for MFSD8 :
Start   End    Score     Intron               Exon
1       41     0.96      atttgtgtttttctttttaagagaacatcgtgtggatgact

Donor site predictions for CEP290 :

Start   End    Score     Exon   Intron
1       15     0.72      acttcaggtatactc

id        type         score    seq
MFSD8     acceptor     0.96     atttgtgtttttctttttaagagaacatcgtgtggatgact
CEP290    donor        0.72     acttcaggtatactc

因此，行中写入的接受者或捐赠者成为“type”，id写入for之后，score和seq从各自的头中使用。我正在尝试以下代码：

for line in file.readlines():
    ENTRY = copy.deepcopy(ENTRY_T)
    site_type, gene, score, seq = ['','','','']

    ENTRY['predictor'] = 'NNSplice'
    line_elements = line.split()
    if line_elements[0] == 'Donor' or line_elements[0] == 'Acceptor':
        ENTRY['splice_site_type'] = line_elements[0]
        ENTRY['Gene_name'] = line_elements[-2]
    elif line_elements[0] == 'Start':
        pass
    elif int(line_elements[0]).isdigit():
        ENTRY['sequence'] = line_elements[-1]
        ENTRY['score'] = line_elements[-2]
    elif line_elements == []:
        pass

    field_values = [ENTRY[i] for i in HEADERS]
    print(field_values)

---

有什么建议吗？

您需要一行一行地解析文件，以提取所需的位。下面的代码显示了一种可能的方法

首先，它一次读取一行文本文件。它可以识别出它是一个

接受者

还是

捐赠者

部分。如果是这样，它将从行的末尾提取ID供以后使用

然后，它获取文本行并使用Python的CSV阅读器将其拆分为可能的元素。如果元素数为

4

，则假定这是一个有效的数据行。然后，它使用行元素构造合适的输出行

csv.writer（）

与制表符分隔符一起用于写入输出文件

import csv
from io import StringIO

with open('predictions.txt') as f_predictions, open('output.tsv', 'w', newline='') as f_output:
    csv_output = csv.writer(f_output, delimiter='\t')
    csv_output.writerow(['id', 'type', 'score', 'seq'])

    for line in f_predictions:
        if line.startswith('Acceptor'):
            type = 'acceptor'
            id = line.split(' ')[4]
        elif line.startswith('Donor'):
            type = 'donor'
            id = line.split(' ')[4]
        else:
            row = next(csv.reader(StringIO(line), delimiter=' ', skipinitialspace=True))

            if len(row) == 4:
                csv_output.writerow([id, type, row[2], row[3]])

对于给定的文件，这将为您创建一个输出选项卡分隔的输出文件，如下所示：

id类型得分顺序
MFSD8受体0.96 ATTTGTTTTTTTTTTTTAGAGACATCGTGTGGACT
CEP290捐赠者0.72 ACTTCAGTACTACTC

Hi Sayatan，你能告诉我们你首先尝试了什么代码吗？到底是什么问题？你试过什么，做过什么研究吗？堆栈溢出不是免费的代码编写服务。请参阅：，@AMC我非常清楚堆栈交换的用途，是的，我做过研究。你可以用一种更礼貌的语气来解释上述问题，没有人强迫你回答。