如何只读取字符串或子字符串的特定部分

Question

这个项目的目标是从一个文本文件中打开并读取一个DNA序列，例如如果子串是AGATC然后连续的子串也是，我们添加到计数器，一旦连续sub-string 不再是 AGATC 目的是将其统计到范围内的最高分，清除计数器并继续搜索以找到最长的连续序列。

        str_count = []
        counter = 0
        highest = 0
        # read sequence
    
        with open(argv[2], "r") as seq:
            seqRead = seq.read()
            for i in range(len(seqRead)):
                #search for consecutive AGATC
                if i == 'A' and seqRead[i:i+6] == 'AGATC':
                    while i == 'A' and seqRead[i:i+6] == 'AGATC':
                        counter += 1
                        i = i + 5
                if highest < counter:
                    highest = counter
                    counter = 0
                else:
                    counter = 0

现在我认为我遇到的问题是我认为我没有正确比较文本序列，因此没有读取字符串中正确的字母序列。

我的目标是将 'i' 作为 'A' 进行跟踪，然后提取连续的 4 个字母并将其与 'AGATC' 进行比较，然后如果匹配则增加计数器并更改 'i' 到被比较的后面的字母，如果是A 重复到不再连续，再往上加，直到结束。这是我至少，但是当运行调试器时，我注意到它从未进入第一个 if 语句，这让我相信我比较的方式是不正确的。

示例输入：

AGATCAGATCAGATCAGATCAGATCDJFDHFDTTTTCCSSDDSDDGFJFHAGATCAGATCAGATCAGATCAGATCAGATGJFHJGHJDSHGDKFSAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCDKFDKDFKGJKDFKAGATCkFGJKFDDAGATCDFKJKFJFKDJKAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCAGATCKFDHDFKFDHKGHKDFGJFKHDFK

预期输出：最高 = 30

由于AGATC最长连续出现30次

输入：

AAGGTAAGTTTAGAATATAAAAGGTGAGTTAAATAGAATAGGTTAAAATTAAAGGAGATCAGATCAGATCAGATCTATCTATCTATCTATCTATCAGAAAAGAGTAAATAGTTAAAGAGTAAGATATTGAATTAATGGAAAATATTGTTGGGGAAAGGAGGGATAGAAGG

输出：最高 = 4

我是否弄错了如何使用 seqRead[i:i+6]？

我怎样才能做得更好？

Answer 1

您的子字符串太长，seqRead[i:i+6] 将给出一个长度为 6 个字符的字符串，而不是 5 个字符。该行（以及进行类似比较的另一行）应该是 seqRead[i:i+5] .此外，您试图将迭代器 (i) 与一个字母进行比较，而我认为您的意思是比较 [=14= 中迭代器的位置处的字母] 反而。 i == 'A' 应该改为 seqRead[i] == 'A':

    str_count = []
    counter = 0
    highest = 0
    # read sequence

    with open(argv[2], "r") as seq:
        seqRead = seq.read()
        for i in range(len(seqRead)):
            #search for consecutive AGATC
            if seqRead[i] == 'A' and seqRead[i:i+5] == 'AGATC':
                while seqRead[i] == 'A' and seqRead[i:i+5] == 'AGATC':
                    counter += 1
                    i = i + 5
            if highest < counter:
                highest = counter
                counter = 0
            else:
                counter = 0

Answer 2

在您的代码中，if 之前的 while 循环是多余的。而且您正在对不正确的子字符串进行切片，这是经过更新和简化的代码：

for i in range(len(seqRead)):
    while seqRead[i:i+5] == "AGATC":
        counter += 1
        i += 5
    if counter > highest:
        highest = counter
    counter = 0

如何只读取字符串或子字符串的特定部分

How to read only a particular part of a string or a sub-string

python

cs50