字符串的Python正则表达式，并将它们匹配到字典中

Question

我在一个目录中有三个文件，我希望它们与一个字符串列表匹配到字典。

dir中的文件如下所示，

DB_ABC_2_T_bR_r1_v1_0_S1_R1_001_MM_1.faq.gz
DB_ABC_2_T_bR_r1_v1_0_S1_R2_001_MM_1.faq.gz
DB_DEF_S1_001_MM_R1.faq.gz
DB_DEF_S1_001_MM_R2.faq.gz

list的部分文件名为，

ABC
DEF

所以这就是我的尝试，

import os
import re

dir='/user/home/files'
list='/user/home/list'
samp1     = {}
samp2     = {}

FH_sample = open(list, 'r')
for line in FH_sample:
    samp1[line.strip().split('\n')[0]] =[]
    samp2[line.strip().split('\n')[0]] =[]
FH_sample.close()
for file in os.listdir(dir):
    m1 =re.search('(.*)_R1', file)
    m2 = re.search('(.*)_R2', file)
    if m1 and m1.group(1) in samp1:
        samp1[m1.group(1)].append(file)
    if m2 and m2.group(1) in samp2:
        samp2[m2.group(1)].append(file)

我希望上面的脚本能够找到m1和m2的匹配，并在字典samp1和samp2中收集它们。但是上面的脚本没有在if loop中找到匹配项。现在samp1和samp2是空的。

这就是samp1和samp2的输出结果：

{'ABC': [DB_ABC_2_T_bR_r1_v1_0_S1_R1_001_MM_1.faq.gz, DB_ABC_2_T_bR_r1_v1_0_S1_R2_001_MM_1.faq.gz], 'DEF': [DB_DEF_S1_001_MM_R1.faq.gz, DB_DEF_S1_001_MM_R2.faq.gz]} 

任何帮助将不胜感激

Answer 1

您可以将python脚本传递给dict并提供id_list，然后将id_list添加为dict键，如果dict键位于fastq_filename中，则附加fastqs：

import os
import sys

dir_path = sys.argv[1]

fastqs=[]
for x in os.listdir(dir_path):
    if x.endswith(".faq.gz"):
        fastqs.append(x)

id_list = ['MOHUA', 'MSJLF']

sample_dict = dict((sample,[]) for sample in id_list)
print(sample_dict)
for k in sample_dict:
    for z in fastqs:
        if k in z:
            sample_dict[k].append(z)

print(sample_dict)

跑步：

python3.6 fq_finder.py /path/to/fastqs

从上面输出以显示正在发生的事情：

{'MOHUA': [], 'MSJLF': []} # first print creates dict with empty list as vals for keys
{'MOHUA': ['BSSE_QGF_1987_HJUS_1_MOHUA_2_T_bR_r1_v1_0_S1_R1_001_MM_1.faq.gz', 'BSSE_QGF_1967_HJUS_1_MOHUA_2_T_bR_r1_v1_0_S1_R2_001_MM_1.faq.gz'], 'MSJLF': ['BSSE_QGF_18565_H33HLAFXY_1_MSJLF_T_bulk_RNA_S1_R2_001_MM_1.faq.gz', 'BSSE_QGF_18565_H33HLAFXY_1_MSJLF_T_bulk_RNA_S1_R1_001_MM_1.faq.gz']}

Answer 2

很多这些代码你可能不需要。你可以看看你从list获得的子串是否是in dir。

下面的代码将数据作为列表读入。你似乎已经这样做了，所以它只是用你从files读取的文件名替换dir并用st的子串替换list（你不应该将它用作变量名，因为它实际上是用于Python中的其他内容）。

files = ["BSSE_QGF_1987_HJUS_1_MOHUA_2_T_bR_r1_v1_0_S1_R1_001_MM_1.faq.gz",
         "BSSE_QGF_1967_HJUS_1_MOHUA_2_T_bR_r1_v1_0_S1_R2_001_MM_1.faq.gz",
         "BSSE_QGF_18565_H33HLAFXY_1_MSJLF_T_bulk_RNA_S1_R1_001_MM_1.faq.gz",
         "BSSE_QGF_18565_H33HLAFXY_1_MSJLF_T_bulk_RNA_S1_R2_001_MM_1.faq.gz"]
my_strings = ["MOHUA", "MSJLF"]

res = {s: [] for s in my_strings}
for k in my_strings:
    for file in files:
        if k in file:
            res[k].append(file)
print(res)