NCBI NR文件下载和批量md5检验

【1】 Aspera下载NCBI数据

单个文件下载命令:

ascp -i "C:\Users\Administrator\AppData\Local\Programs\Aspera\Aspera Connect\etc\asperaweb_id_dsa.openssh" -k 1 -T -l 200m anonftp@ftp-trace.ncbi.nlm.nih.gov:/sra/sra-instant/reads/ByRun/sra/SRR/SRR121/SRR1218151/SRR1218151.sra E:\aspera

多个文件下载命令:

ascp -QT -k1 -l 200m -i "C:\Users\Administrator\AppData\Local\Programs\Aspera\Aspera Connect\etc\asperaweb_id_dsa.putty" --mode=recv --host=ftp-trace.ncbi.nlm.nih.gov --user=anonftp --file-list=E:\aspera\filelist.txt H:\NCBI
  • 下载文件列表存放在文件E:\aspera\filelist.txt
  • windows CMD路径中如果有空格Aspera Connect,全路径用双引号包起来

硬件所限,只能下载处理好的BLAST db文件nr.00.tar.gz~nr.113.tar.gz,共有文件114个
无标题.png

【2】批量校验

100多个大文件,每个都有独立的md5校验码,手动校验太费劲。也没找到其他批量校验工具,就自己写了个python脚本(新手上路,代码不是很python)。代码如下:

#!/usr/bin/env python           
#coding : utf-8 

import hashlib
import linecache
#import os #本来想通过OS调用外部md5程序,路径搞不定,放弃了
import subprocess #subprocess调用测试成功,下面注释掉的第二部分

count = 0
wrong_c = 0
fail_list = [] 
for i in range(0,113):
    m = hashlib.md5()
    if i<10:
        filename1 = "I:\\NCBI\\nr.0"+str(i)+".tar.gz"
        filename2 = "I:\\NCBI\\nr.0"+str(i)+".tar.gz.md5"
    else:
        filename1 = "I:\\NCBI\\nr."+str(i)+".tar.gz"
        filename2 = "I:\\NCBI\\nr."+str(i)+".tar.gz.md5"
    with open(filename1,'rb') as f:
        for line in f:
            m.update(line)
    real_md5 = m.hexdigest() #print(m.hexdigest()) #47a6b079cc33a4f312786b46e61e0305
    print(filename1 + " is verifying.......")
    print(real_md5)
    """
    md5_cmd = "D:\\md5\\md5.exe -n" + filename1
    rs = os.popen(md5_cmd).read()
    os_md5 = rs.strip().lower()
    print(os_md5)
    """
    '''
    obj = subprocess.Popen(['D:\\md5\\md5.exe','-n',filename1], shell = True, stdin=subprocess.PIPE, stdout=subprocess.PIPE ,stderr=subprocess.PIPE)
    raw_md5 = obj.stdout.read()
    str_md5 = raw_md5.strip().decode("utf-8").lower()
    print(str_md5)
    '''
    the_line = linecache.getline(filename2, 1)
    ori_md5 = the_line.split(" ")[0].strip()
    print(ori_md5)
    if real_md5 == ori_md5:
        count += 1
        print("The file nr."+str(i)+".tar.gz is OK!")
    else:
        wrong_c += 1
        fail_list.append("nr."+str(i)+".tar.gz")
        print("The file nr."+str(i)+".tar.gz has been damaged!")
    sum_files = count + wrong_c
    print("Validation of %d files in total, %d passed, %d failed!" %         (sum_files, count, wrong_c))
if not fail_list:
    print("Go on analyzing with all the files!")
else:
    print("Failed files include:")
    print(",".join(str(i) for i in fail_list))
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,732评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,496评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,264评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,807评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,806评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,675评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,029评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,683评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,704评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,666评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,773评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,413评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,016评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,204评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,083评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,503评论 2 343