Python脚本：fasta文件矫正2023-11-23

#正常
>序列名
位点信息
--------------
#异常1
>序列名
位点信息>序列名
位点信息
--------------
#异常2
>序列名
位点信息>序列名位点信息
--------------

如上所示，处理序列过程中很容易遇到序列名与位点信息混合的文件。对于异常1，比较好处理，>序列名换到下一行就行了，但是异常2就比较麻烦了。为了批量处理所以准备了，一个python脚本。
核心就是逐行读取，如果是序列名就开始一个字典的key，把后续的行储存进值作为序列。如果发现位点信息序列中包含'>'，则分割'>'前面做位点信息输入给上一个字典的key的值，'>'后面开始一个字典的key，后续行作为位点信息。
最后再检查一般所有的key和value，

import argparse
#

def get_file_list(infilename):
    infile = open(infilename, "r")
    inlines_list = infile.readlines()
    infile.close()
    cleaned_lines = [line.strip() for line in inlines_list]
    return cleaned_lines
def fix_fasta_format(input_fasta):
    #逐行读取数据
    lines = get_file_list(input_fasta)
    #初始字典准备
    current_id = None
    sequence_dict = {}
    #循环每一行 每当遇到id时更新current_id
    input_seqid=[]
    add_seqid=[]
    for line in lines:
        if line.startswith('>'):
            #制备seq_id
            current_id = line[1:]
            sequence_dict[current_id] = ""
            input_seqid.append(current_id)
        else:
            #处理序列文件，如果序列行中有seq id信息 更新current_id 后续序列信息加入current_id
            if ">" in str(line):
                seq_line=line.split('>')[0]
                sequence_dict[current_id] += seq_line
                id_line=line.split('>')[1]
                current_id=id_line
                add_seqid.append(id_line)
                sequence_dict[current_id] = ""
            else:
                sequence_dict[current_id] += line
    #检查输出
    print(f"Normal ID : {len(input_seqid)} ; Newly added ID : {len(add_seqid)}")
    return sequence_dict


def mian_work(input_fasta,output_name):
    sequence_dict=fix_fasta_format(input_fasta)
    #output_name = str(input_fasta).split("/")[-1].split('.')[0]
    output_fas = open("{0}.new.fasta".format(output_name), 'a+')
    output_err = open("{0}.err.fasta".format(output_name), 'a+')
    for seq_id, sequence in sequence_dict.items():
        if sequence == "":
            #输出异常序列
            idline = '>' + seq_id
            print(idline, file=output_err)
        else:
            #输出正常序列
            idline = '>' + seq_id
            print(idline, file=output_fas)
            print(str(sequence), file=output_fas)
    output_fas.close()
    output_err.close()


if __name__ == "__main__":
    # 设置输入使用argparse
    parser = argparse.ArgumentParser(description='修改统一名')
    parser.add_argument('--input','-i',
                        type=str,
                        help='输入序列')
    parser.add_argument('--output_name','-o',
                        type=str,
                        help='输出文件名 {output_name}.new.fasta')

    args = parser.parse_args()
    input_fasta=args.input
    output_name=args.output_name
    mian_work(input_fasta,output_name)