Java逐行读取fasta文件

Fasta文件是生物信息领域储存核酸和氨基酸序列最常用的文件格式之一。其基本形式由带“>”的序列注释标签和单个字母表示的核酸或者氨基酸组成。

在利用Rosalind学习java生物信息编程时，经常需要读取fasta文件。之前读取此类文件，采用的是读取后转化为字符串形式进行输出和后继处理，读取fasta文件的原代码如下：

 //定义方法，输入文本文件路径，以字符串类型返回文本内容
    public static String readFileContent(String fileName) {
        File file = new File(fileName);
        BufferedReader reader = null;
        StringBuffer sbf = new StringBuffer();
        try {
            reader = new BufferedReader(new FileReader(file));
            String tempStr;
            while ((tempStr = reader.readLine()) != null) {
                sbf.append(tempStr);
            }
            reader.close();
            return sbf.toString();
        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            if (reader != null) {
                try {
                    reader.close();
                } catch (IOException e1) {
                    e1.printStackTrace();
                }
            }
        }
        return sbf.toString();
    }

---

调用上述子方法后fasta文件能够变为字符串变量并存储于内存中，但是开头的注释信息和序列信息都会变成统一的字符串形式，难舍难分。还需要额外创建子方法来去掉注释信息，相当麻烦。因此代码需要进一步改进：

此处我们采用ArrayList集合，调用BufferedReader对fasta进行逐行读取。读取之后利用正则表达式匹配">"开头的注释标签行，存储到ArrayList fasta中。而注释标签行存储到ArrayList tag中。

//改进后读取fasta文件代码
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;


public class readline_txt_method {
    public static void main(String[] args) {
        ArrayList<String> fasta = BufferedReader("C:/Users/Administrator/Desktop/sequence.fasta","tag");//设置返回值是标签名称还是碱基序列。
        for (int i = 0; i < fasta.size(); i++) {
            System.out.println(fasta.get(i));//按照索引输出集合元素，从0位开始。
        }

    }

    public static ArrayList<String> BufferedReader(String path,String choose) {//返回值类型是新建集合大类，此处是Set而非哈希。
        BufferedReader reader;
        ArrayList<String> tag = new java.util.ArrayList<String>();
        ArrayList<String> fasta = new java.util.ArrayList<String>();
        try {
            reader = new BufferedReader(new FileReader(path));
            String line = reader.readLine();
            while (line != null) {//多次匹配带有“>”的行，\w代表0—9A—Z_a—z，需要转义。\W代表非0—9A—Z_a—z。
                if (line.matches(">[\\w*|\\W*]*")){
                    tag.add(line);
                }else{
                    fasta.add(line);
                }
                // read next line
                line = reader.readLine();
            }

            reader.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
        if (choose.equals("tag")){
            return tag;
        }
        return fasta;
    }
}