python作为脚本语言，他比shell的表达能力更强，比c语言更容易使用，用作解析文件是再好不过的。
针对一个fasta文件，比如下面这个这个文件，虽然很短，但包含了fasta中所有的情况，即seq序列有放在一行的情况，也有放在多行的情况（对fasta文件不熟悉的同学，可以去复习Fasta和Fastq文件）。
>seq1 AGCTAGCT >seq2 AAAAAAAAAA >seq3 AGCTGGGGAAAAAA AAAAA
这里先给出python程序（假定上面的fasta文件内容存在test.fa文件中）
def parse_fasta(fasta_path): f = open(fasta_path, 'r') seqs = {} # 用一个字典去存储解析出来的序列 seq_name = None for line in f: # 这里没有直接用read()方法，是为了避免出现文件过大，难以一次性读入内存 if not line:break if line.startswith('>'): # 以>开头，说明是含有序列名的行 seq_name = line[1:].strip('\n') if seq_name not in seqs: seqs[seq_name] = '' else: seqs[seq_name] += line.strip('\n') return seqs
通过循环结构一行一行的解析文件，将序列名和序列本身一一对应起来。但是需要使用一个字典来存储解析得来的序列，在序列内容非常大时，会对内存造成一定压力。下面我们来使用生成器来改造我们的代码。
def parse_fasta(fasta_path): f = open(fasta_path, 'r') seq_name = None seq = None for line in f: # 这里没有直接用read()方法，是为了避免出现文件过大，难以一次性读入内存 if not line:break if line.startswith('>'): # 以>开头，说明是含有序列名的行 seq_name = line[1:].strip('\n') if seq: yield seq_name,seq seq = '' else: seq += line.strip('\n') yield seq_name,seq
在生成器版本中，我们将字典换成了一个变量，这样程序只需要保存一个变量，这样就减少了内存压力。
