如何在 Nim 中打开和读取 .gz 文件（最好是逐行）

Question

我刚坐下来编写我的第一个 Nim 脚本来解析 .vcf（变体调用格式）文件。此文件格式存储来自测序数据的基因突变。

对于脚本语言，我 'grew up' 在 Perl 上，后来迁移到 Python，但我希望使用 Nim 提供的速度的语言。我意识到 Nim 还很年轻，但我什至找不到一个清晰的例子来说明如何打开和阅读 .gz (gzip) 文件（最好是逐行阅读）。

谁能提供一个使用Nim逐行打开和读取gzip文件的简单示例？

在Python中，我习惯了以下（超级简单）代码：

import gzip

my_file = gzip.open('my_file.vcf.gz', 'w')
for line in my_file:
    # do something

my_file.close()

看过相关的问题，但不是很清楚。这些帖子也相对较旧，我 hope/suspect 出现了更好的东西。这是我发现的：

非常感谢。

P.S。 我还认为如果有人在 Whosebug 中创建一个 Nim 标签会很有用。我没有创建标签的声誉。

Answer 1

前段时间我尝试使用 Nim 来解析 fastq 或 fastq.gz 文件。

代码应该在这里可用： https://gitlab.pasteur.fr/bli/qaf_demux/blob/master/Nim/src/qaf_demux.nim

我不记得这是如何工作的，但显然，我做了一个 import zip/gzipfiles 并在输入文件名上使用了 newGZFileStream 来获得一个 Stream 从中可以在这段代码中使用 .readLine() 读取：

proc fastqParser(stream: Stream): iterator(): Fastq =
  result = iterator(): Fastq =
    var
      nameLine: string
      nucLine: string
      quaLine: string
    while not stream.atEnd():
      nameLine = stream.readLine()
      nucLine = stream.readLine()
      discard stream.readLine()
      quaLine = stream.readLine()
      yield [nameLine, nucLine, quaLine]

它的用处相当于这段代码：

let inputFqs = fastqParser(newGZFileStream($inFastqFilename))

希望您能根据自己的情况进行调整。

我的 .nimble 文件有一个 requires "zip#head"。我想这会触发 zip/gzipfiles.

的安装

Answer 2

根据 Maurice Meyer 的建议，我查看了 tests for the Nim zip package。结果很简单。这是我的第一个 Nim 脚本，如果我没有遵循约定等，我深表歉意。

import zip/gzipfiles  # Import zip package

block:
  let vcf = newGzFileStream("my_file.vcf.gz")  # Open gzip file
  defer: outFile.close()  # Close file (like a 'final' statement in 'try' block)

  var line: string  # Declare line variable

  # Loop over each line in the file
  while not vcf.atEnd():
    line = vcf.readLine()

    # Cure disease with my VCF file

要安装 zip 包，我只是运行因为它已经在 Nim package library:

> nimble refresh
> nimble install zip

Answer 3

以防万一您需要处理 VCF 而不是 .gz，Brent Pedersen 为 htslib 编写了一个很好的包装器：

https://github.com/brentp/hts-nim

您需要在您的系统中安装 htslib，然后在您的 .nimble 文件中使用 requires "hts" 需要库，或者使用 nimble install hts 安装库。如果您要在 Nim 中进行 NGS 分析，您将需要它。

您需要的代码：

import hts

var v:VCF
doAssert open(v, "myfile.vcf.gz")
# Here you have the VCF file loaded in v, and can access the headers through
#  v.header property

for record in v:
    # Here you get a Record object per line, e.g. extract the Ref and Alts:
    echo v.REF, " ", v.ALT

v.close()

一定要遵循文档，因为有些事情与 python 不同，特别是在获取 INFO 和 FORMAT 字段时。

检查整个布伦特回购协议。它有大量包装器、代码示例和实用程序来处理 NGS 问题（例如，一个名为 Mosdepth 的超快覆盖工具实用程序）。

如何在 Nim 中打开和读取 .gz 文件（最好是逐行）

How to open and read a .gz file in Nim (preferably line by line)

gzip

bioinformatics

nim-lang

vcf-variant-call-format