设为首页收藏本站
切换到窄版

鱼C论坛

 找回密码
 立即注册
鱼C论坛»论坛 › 技术交流 › Python交流 › Python 提取指定文件夹下的文件名到表格，并根据文件名 ...
返回列表 发新帖
查看: 1855|回复: 10

[已解决]Python 提取指定文件夹下的文件名到表格，并根据文件名提取文件中内容到对应文件名...

[复制链接]
Dawnstar
发表于 2019-10-18 20:57:13 | 显示全部楼层 |阅读模式

马上注册，结交更多好友，享用更多功能^_^

您需要 登录 才可以下载或查看，没有账号？立即注册

x
本帖最后由 Dawnstar 于 2019-10-19 09:50 编辑

想请教各位大神，我想提取指定文件夹下的文件名到表格，并根据文件名提取文件中内容到对应文件名下。我现在处理的是一批txt格式的物种蛋白文件，我想提取每个文件的名称到表格的第一行，并将文件中的蛋白名称提取出来。
文件夹里的内容如下：
>YP_006908651.1 putative inhibitor of apoptosis protein [Abalone herpesvirus Victoria/AUS/2009]
MKIDKPTSIVESVLEVTQRITPKERPSIGIDVFSSMYVQAVSMSAVNAWHSAGPDEGGYLVLRDKDSPDRKLAEVELPYAKEEDRLESFSPYWNFEPSSEELAKAGFYYTGKSDRVKCFSCALEISEWGGEEGESPMEIHQRETKKEHGLMYDCAFLSVACKTVPDAVDSTTDNGTYAGRLESYGRFEWPKQSHMKPEELAAAGLYYTGRGDRVACHFCGQILRTWERGDVAMIEHARWAENRNCPYLKYTAGNAVRGISRLENPIYN
>YP_006908652.1 hypothetical protein AbHV_ORF2_1 [Abalone herpesvirus Victoria/AUS/2009]
MCEVRKGKGKVRKTTRGQGEIAGAFTTKSSNDSPKGINEQESLARDHSCLDEEARNTMKRSHDQTDMSSSDSRVKIPHLADHDYCLPPEEERQLDVIYMEDDCQAHEEVHYDENVSAEDLHSEIERLRAERALTLSENETLRAELERLRADNEKKLNDETAALPELEDKKNGFANSFIANIHSELGLEMMNTPAGKVYKEMCLAVHDENVIAEDEGREPRSVMIPLTVDVMKELEFDFKDNKATNQQRDRKLKNIQCDDVMKYQPMKNGSKDAANSTIEKFIQTNNIFSMREMIHDKNTNNIPLLTIDQFMRYIITGITQQNHDIRKDVSRIMAKIHTASDRQQYKVFKNLYSDWLRQEEQIKTLSLANALLEKEKENERLRADNQTLRADAQEKRAVKAEFNEVMFHSPTDRRVYVNKVFPNRNKKVGANLIVRSLMTPRDNEKEMNKLVGPKKWSPLFCSQPLPEATSVRDVLVKKGLQNDKLVGINRAIAYNAWTGEQKRWMSEMKQPQHQLPGGKSCGENWFRYHPVDTHDVEKIKKSFSHYARQECEKIKRDIFT
>YP_006908653.1 putative eukaryotic translation initiation factor [Abalone herpesvirus Victoria/AUS/2009]
MEINVHPHVNTTAYRHKMPEIETRIEGGSLTKLVNVRAVAKALNRKKEHIVKFLGCVLGVGVCAQNNLIGGSVSRMKVQELIDVYIANFVLCDRCTSPETVLLSGSGNPVLRCGACGYIGRVLGEEEMIKDMVDDEW
>YP_006908654.1 hypothetical protein AbHV_ORF4 [Abalone herpesvirus Victoria/AUS/2009]
MASTSSSNVNLKRSLESEGGERGGVKKMKVARMDCRPGKVMRFTCKPVEKRDQAVRELSEKLGSAARIIAGNDDGVVVVKFEERFQKARDFLDGFDWMLEDEAELNRWFEIDSNEKLYDDDVMKLSDDIEPIKIDEDVHRLLNYLYSVKGMQTEFKGKSKTYFLFTLNNLIKLKLIESKGENAERTLKRIGDIDPNNFKLYKYGELFGLRHLPNMPHTFIFNRLDYKPMGEIAVAVRSGHICKALSNFKTETARKLGDVMAMVFEKVITKVAEDHVKEVGMETFVETVVRPTLEGALPEAIDSRLELLDAESKIMELKAETVHERMLRLKAEAEAVKFDGLRIQAEEASRESKLLAIESQINEIKAQEETRVALFDKRQAELGEERIRLEKEKEANKFKLERIIERPNQDLTHQGDRRRREGVVWIQRTHLSSAEEKRKKPVYKQNGEVSTEPLHYTLYRSEHEEKSETLRQTRDLVKKYVKKSSYTMERLTPSLVLYGGNNVEETKKLFKQTFKARGGRLLMTVAEEAEFDQKIREKIVPFVKQSYALGLHNGTLAFCNEAILKSLPVEDEAFCMEIIGEM
>YP_006908655.1 hypothetical protein AbHV_ORF5 [Abalone herpesvirus Victoria/AUS/2009]
MDEFDFSDWFEDVGSYVEPMDTDSFLEEVCGLSLPTPVQPPPPPPPTQDLSFGDSFLEEVCGTSVTQPKDDEVNKMIQELSSIFEDEPPSPPKEPPPRYFSYDDKVSLLDNVKAASKFHRYSRNGHYFVSHRHRLAHDPWSEHIASQLYTRCMQRGNNHHVVSEVIFDKEKRRWEHGRVKNDDEDLVNDEGDVIEDPITRAEKHPMRFDEENDTSDEVSAPVMTFDKIKVMTAPYSDAFMAKLNTANSLDGCETHKIKRIRTATGEMREVMKVNPSFPVHKTKFGPVPATRVAYKRADYTANYNAYALEKPNNCNINGTRGTHEFIIVNRINEAHCQLNNPHGKMYTILDMDCENNNSITIDSGLNGTIAMSYKSKICRKQNEKGQKRKREDLDDDDDLGGGNEDGECRKEFVLVQKAEYGTHKTTIMTKKKRFNLKKGLVGDVTKETKNEFMMAKLKAQREEVMNACCGAREIQVHAHCFNCSALGGYEIIDPVQNLACKIFEDEKILVSIAANNIKGMSMVMSNSLSSSIVNNFFDLLCWKFKVHRGTEEEQDRFYKRVLKPIAQKMDISRYNYAQAGIFCHSILKTSPMFSQHHLNLVSQKFNNPRATEVFKKACVVDDVATRMNDKWNSKRPLATVNVKSKPTPSRVKYAATMSRGPSVPDLWYNASEKVRGFIESYFGPLDESER
>YP_006908656.1 hypothetical protein AbHV_ORF6 [Abalone herpesvirus Victoria/AUS/2009]
MKRSPRSGNLNLFFNQSPKNEFEENIDEKVIVETNVEEVVETNVSEVVETNVSEEVVETNVSEKLEDQKVAAAVDESLDVKPLMIVPEPPKLSLEERLKIFKERPIMKLSHFLRVNKGVDYNRHRHCYWAVRTCVICTAPCDIKEYAVTLCCDLPVCHSCSFISGYAYARKSKPTSNCCRICTNGGMNISLNYIDFILSEHSHQKTFTSQFLEGVGAADNMQLHKMVTGLEAIHNNYEGVGDDDVFLPNTVPIKPPRKTITL
>YP_006908657.1 hypothetical protein AbHV_ORF7 [Abalone herpesvirus Victoria/AUS/2009]
MSNQFDPRLKAGQTFSVVSAVNLMLTEWHSIKQIIDLIASSHLTKSLFSSMSQLQNCLEELLNVKSKLAEDYAGFIVPFTNQDNTVISVCLRYSYKVCLTSVDRLISALQLVDGLNERSSVNFTRDMLVIKRSGLLASDIPHRIYTDLCMEKHLARLSPTNDRPSAKVLNHVNPMSEFYEVPSLEVVYGSNPTLTKLIDDCVLLASYPIISPNVGGELITTHGFDTYVPLKLNESGPDSRSQVETPFDSRVCVICKLDNLAIGYTDVIEQHKRLICKCVFIREAPSTLYMDVATHTQATMRVRERLIRDRESMTETEKRLFYNSFDKYASAIASTKIHNK
>YP_006908658.1 hypothetical protein AbHV_ORF8 [Abalone herpesvirus Victoria/AUS/2009]
MMKIDFDEAESRANIDSEISRQCVQRIKSQMKRERRTKPTPREQRILNRELRNYDLATDRANSYATKNDMRHAMNRRSEQTSEQYHFHKECAQSFRLQRLKLILLRKEKKAVKQIDKLLHEEDKGDDDYDFNSRIEEYSSQCTSALGDRDIMTSKSSKDYIRQHELMLDEEEEEEDIPFMPAPPSSSLTSSSRAPSPLSETLLQKFTDFSLCRTNSTPASKQGKHSQS
>YP_006908659.1 hypothetical protein AbHV_ORF9 [Abalone herpesvirus Victoria/AUS/2009]
MDDKSSGMQAAALATEDDDDGVSSLVDMINSGALSLEVERQMKRDGERNLLFYQEVMSATFDRDLLRSKIFPEDASKGPCMRMKQSLYKEASKPIVGEYAFESDPVFSSASTAHLRLVEKSKILSKDIPEIVLDYNQDPSVISVDESNMIVTDVHHPQENQTRIFFQLDNGYVLSIPTVNPWSERIYRYTITSVPQDKELLVYDNLEDVFKNYPNYAEKLFTNAPDDDDDDEEGGPEQYLKLDRSFLGVSGVSDGSDLEVVARYHIPMELNPLQYVMHKPNLYLFTGKDQEGNNNCLYALNTELVEGEGKPWIAPWTKVKIYDSETYVDLTDPNTLTVFEDEVPSYRLTIEVSEGSNIGVLSVPDYPTYDIPSLTLIEEVNDIVLEAAEEEDDED
>YP_006908660.1 hypothetical protein AbHV_ORF10 [Abalone herpesvirus Victoria/AUS/2009]
MSTNEETPSSSSSVARAAACMPDDLSSIDKDSLIKLGVETSSKILEACSIKYAPLSFGEILNGNNPERRKMFSLEGKRGQRSLKHITQHTLKDNDEIIESLNEICTHFINQQIISEHPELEDSVRELNFKNVLEPGRVIKIEDHRMGSYQIKDPCFNLYPSRVCFLEPYKRACGGSMSEVYKELKSLLERECNMGAGCLYRRMFPQCKRAGRVALPESVEYVFTKLLPACSNEGGATGLVHTLHAQFFSFAEECGKKKVQSVYKVRQQCIVCTMLKLSKETNKNAGLDRPHMDLYNEEDENIFLTKTEDLKDFGVIEVSRPDYNDMVVNVHGQKKVMVVDRSKLFSNIDMCEEDGFFFPVIMTEGRDVVPTNLPTSRKRRGGGGGGKKGAKRMLLDEI
>YP_006908661.1 hypothetical protein AbHV_ORF11 [Abalone herpesvirus Victoria/AUS/2009]
MYKFLRVYEILLLGTIVSAVDFALYKNDMKTGRMTVYCQKQKQAGENRLFYDTDVYEDDTLLYDGWSTSKKGNFGVNTICGDRDYQLPAGQMVSNSFNVRPQERNTICLSAEAQCENYQKFTFVGRSSFFKCETPECEARNLLGDKYVSPFISLDGVPNNTLVEFKENVIMAPVDYSMMDRWNGIGTKNAMQHFMSQIYYGIKFYNKVKVVTFSSPGTLPTKGEKFLLVYRQTEDCEPPNGGFSKVGEPCDGPFTFYYVQRSPDYPTDFEITERHLCGRTVTFTLFFDIRAVDNRSKFYFLPHEFKNENFDFNKNISYNSTTKCGLTGVKKASIVKRELMNHFASFCPERQKDAGG

举个例子：现在有三个文件夹Abaca bunchy top viru，Abalone herpesvirus Victoria_AUS_200，Acanthochromis_polyacanthus.ASM210954v1.pep.al，我想得到的结果是：
  　
  		  Abaca bunchy top viru
  		  Abalone herpesvirus Victoria_AUS_200
  		  Acanthochromis_polyacanthus.ASM210954v1.pep.al
  
  >YP_001661660.1 putative replicase protein
  		  >YP_006908768.1 hypothetical protein AbHV_ORF59_2  
  		  >ENSAPOP00000034950.1
  
  　
  		  >YP_001661660.1 putative replicase protein
  		  >YP_006908768.1 hypothetical protein AbHV_ORF59_2  
  		  >ENSAPOP00000034950.1
  
  　
  		  >YP_001661660.1  putative replicase protein
  		  >YP_006908768.1 hypothetical protein AbHV_ORF59_2  
  		  >ENSAPOP00000034950.1
  
                                                                                                   


我写的代码如下：
  1. import os

  3. files = os.listdir(path)  #遍历文件夹下的所有文件名称
  4. text = 'Protein name'
  5. file1 = open (path + text, 'w')
  6. print(file = file1,end="\t")
  7. file_name = []
  8. for file in files:
  9.     if '.fa'in os.path.splitext(file)[1]:  #获取所有含‘.fa’的文件
  10.         file_name.append(file[:-3]) #去掉.fa后缀，获取文件名
  11. for each in file_name:
  12.     print(each, file = file1, end="\t")
  13. print(file = file1)
  14. for file in files:
  15.     if '.fa'in os.path.splitext(file)[1]:  #获取所有含‘.fa’的文件
  16.         fa_path = path + file
  17.         content = open(fa_path, 'r')  #读文档内的内容
  18.         j = {}      #将文件名建一个字典
  19.         for s in file_name:
  20.             j[s] = 0
  21.         for seq in content:                    
  22.             if '>' in seq:
  23.                 for species in file_name:
  24.                     j[species] = seq
  25.             else:
  26.                 del seq
  27.         for a in file_name:
  28.             print(j[a], file = file1, end = "\t")
  29.         print(file = file1)
  30. file1.close()
复制代码
[/code]

但我的代码得到的结果是：
  　
  		  Abaca bunchy top viru
  		  Abalone herpesvirus Victoria_AUS_200
  		  Acanthochromis_polyacanthus.ASM210954v1.pep.al
  
  >YP_001661660.1 putative replicase protein
  		  　
  		  　
  		  　
  
  　
  		  >YP_001661660.1 putative replicase protein
  		  　
  		  　
  
  　
  		  >YP_001661660.1  putative replicase protein
  		  　
  		  　
  
  　
  		  　
  		  　
  		  　
  
  >YP_006908768.1 hypothetical protein AbHV_ORF59_2  
  		  　
  		  　
  		  　
  
  　
  		  >YP_006908768.1 hypothetical protein AbHV_ORF59_2  
  		  　
  		  　
  
  　
  		  >YP_006908768.1 hypothetical protein AbHV_ORF59_2  
  		  　
  		  　
  
  　
  		  　
  		  　
  		  　
  
  >ENSAPOP00000034950.1
  		  　
  		  　
  		  　
  
  　
  		  >ENSAPOP00000034950.1
  		  　
  		  　
  
  　
  		  >ENSAPOP00000034950.1
  		  　
  		  　
  

修改了好久，总是修改不好，望大神指点一下。

最佳答案
月排行榜 / 总排行榜
ba21
2019-10-21 11:57:07
你的描述真的很烂。
这是我自以为理解了，所写的代码
  1. import os


  4. def get_fileContent(fa_path):
  5.     content = []
  6.     with open(fa_path, 'r') as f:
  7.         for line in f:
  8.             if '>YP_' in line:
  9.                 content.append(line.split()[0])

  11.     return content

  13. def get_ListItemMaxLen(lList):
  14.     MaxLen = 0
  15.     for content in lList:
  16.         nLen = len(content)
  17.         if nLen > MaxLen:
  18.             MaxLen = nLen

  20.     return MaxLen



  24. path = r'D:\Users\Administrator\Desktop\新建文件夹'
  25. filesContent = []

  27. #遍历文件夹下的所有文件名称
  28. for fpathe,dirs,fs in os.walk(path):
  29.     for f in fs:
  30.         FileName, Ext = os.path.splitext(f)
  31.         
  32.         #获取所有含‘.fa’的文件
  33.         if Ext == '.fa':
  34.             fa_path = os.path.join(fpathe,f)
  35.             content = get_fileContent(fa_path)
  36.             content.insert(0, FileName)            
  37.             filesContent.append(content)
  38.             

  40. MaxLen = get_ListItemMaxLen(filesContent)

  42. for i in range(0, MaxLen):
  43.     FilesLen = len(filesContent)
  44.     for j in range(0, FilesLen):
  45.         if i == 0:
  46.             sp ='\t\t\t'
  47.         else:
  48.             sp = '\t\t\t\t\t'
  49.         try:
  50.             print(filesContent[j][i],end = sp)
  51.             if j == FilesLen - 1:
  52.                 print()
  53.         except:
  54.             print()
  55.             break
  56.         

复制代码
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复

使用道具 举报

ba21
发表于 2019-10-18 21:36:04 | 显示全部楼层
你的题意描述的不够情楚
相关文件请上传
表格？excel? 你要得到什么样的效果请上图。

可以的话，奖励总得有
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

Dawnstar
 楼主| 发表于 2019-10-19 09:53:11 | 显示全部楼层
ba21 发表于 2019-10-18 21:36
你的题意描述的不够情楚
相关文件请上传
表格？excel? 你要得到什么样的效果请上图。

谢谢版主提醒，已经对内容进一步修改，可能因级别不高，暂时无法上传高清图片，奖励的话，不知道在哪里设置。
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

ba21
发表于 2019-10-19 19:13:03 | 显示全部楼层
你还是没说什么表格啊。
是打印出这样的效果就可以了？还是要存为excel表格？
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

Dawnstar
 楼主| 发表于 2019-10-21 08:11:27 | 显示全部楼层
ba21 发表于 2019-10-19 19:13
你还是没说什么表格啊。
是打印出这样的效果就可以了？还是要存为excel表格？

这种效果就可以，我保存的是txt格式。
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

ba21
发表于 2019-10-21 11:57:07 | 显示全部楼层    本楼为最佳答案   
你的描述真的很烂。
这是我自以为理解了，所写的代码
  1. import os


  4. def get_fileContent(fa_path):
  5.     content = []
  6.     with open(fa_path, 'r') as f:
  7.         for line in f:
  8.             if '>YP_' in line:
  9.                 content.append(line.split()[0])

  11.     return content

  13. def get_ListItemMaxLen(lList):
  14.     MaxLen = 0
  15.     for content in lList:
  16.         nLen = len(content)
  17.         if nLen > MaxLen:
  18.             MaxLen = nLen

  20.     return MaxLen



  24. path = r'D:\Users\Administrator\Desktop\新建文件夹'
  25. filesContent = []

  27. #遍历文件夹下的所有文件名称
  28. for fpathe,dirs,fs in os.walk(path):
  29.     for f in fs:
  30.         FileName, Ext = os.path.splitext(f)
  31.         
  32.         #获取所有含‘.fa’的文件
  33.         if Ext == '.fa':
  34.             fa_path = os.path.join(fpathe,f)
  35.             content = get_fileContent(fa_path)
  36.             content.insert(0, FileName)            
  37.             filesContent.append(content)
  38.             

  40. MaxLen = get_ListItemMaxLen(filesContent)

  42. for i in range(0, MaxLen):
  43.     FilesLen = len(filesContent)
  44.     for j in range(0, FilesLen):
  45.         if i == 0:
  46.             sp ='\t\t\t'
  47.         else:
  48.             sp = '\t\t\t\t\t'
  49.         try:
  50.             print(filesContent[j][i],end = sp)
  51.             if j == FilesLen - 1:
  52.                 print()
  53.         except:
  54.             print()
  55.             break
  56.         

复制代码
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

Dawnstar
 楼主| 发表于 2019-10-22 09:19:22 | 显示全部楼层
ba21 发表于 2019-10-21 11:57
你的描述真的很烂。
这是我自以为理解了，所写的代码

谢谢回复，抱歉描述的不清楚。我试一下。
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

阴阳神万物主
发表于 2019-10-22 13:46:36 | 显示全部楼层
从楼主贴出的代码的打印顺序来看，嗯，是有可能做出：文件名在第一列，与文件名在同一行的是相应的以 '>' 开头的东西 这样的表。
如果要达到楼主期望的格式，也许要增加一个变量来储存数据
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

阴阳神万物主
发表于 2019-10-22 13:48:33 | 显示全部楼层
Dawnstar 发表于 2019-10-19 09:53
谢谢版主提醒，已经对内容进一步修改，可能因级别不高，暂时无法上传高清图片，奖励的话，不知道在哪里设 ...

奖励这种东西，还有另一种名称：悬赏
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

Dawnstar
 楼主| 发表于 2019-10-22 20:47:17 | 显示全部楼层
阴阳神万物主 发表于 2019-10-22 13:46
从楼主贴出的代码的打印顺序来看，嗯，是有可能做出：文件名在第一列，与文件名在同一行的是相应的以 '>'  ...

谢谢回复。我再验证试试。
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

Dawnstar
 楼主| 发表于 2019-10-22 20:48:15 | 显示全部楼层
阴阳神万物主 发表于 2019-10-22 13:48
奖励这种东西，还有另一种名称：悬赏

小白一枚，还要多学习，下次发帖，发悬赏帖
想知道小甲鱼最近在做啥？请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-4-20 14:18

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表