如何仅读取字符串或子字符串的特定部分

Question

该项目的目标是从文本文件中打开并读取 DNA 序列，例如，如果子字符串是 AGATC，那么连续的子字符串也是，我们添加到计数器中，一旦连续的子字符串string 不再是 AGATC，目的是统计到该范围内的最高分，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”跟踪为“A”，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，则增加计数器并将“i”更改为比较后的字母，并且如果是A重复直到不再连续，然后添加到最高直到结束。 这是至少，但是在运行调试器时，我注意到它从不进入第一个 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最长连续出场30次。

输入：

AAGGTAAGTTTAGAATATAAAAGGTGAGTTAAATAGAATAGGTTAAAATTAAAGGAGATCAGATCAGATCAGATCTATCTATCTATCTATCTATCAGAAAAGAGTAAATAGTTAAAGAGTAAGATATTGAATTAATGGAAAATATTGTTGGGGAAAGGAGGGATAGAAGG

输出：最高 = 4

我对如何使用 seqRead[i:i+6] 有误吗？

我怎样才能做得更好？

Answer 1

在您的代码if 之前while 循环是多余的。而且您正在切片一个不正确的子字符串，这是更新和简化的代码：

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

Answer 2

您的子字符串太长，seqRead[i:i+6] 将给出长度为 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）应改为 seqRead[i:i+5]。此外，您试图将您的迭代器 (i) 与一个字母进行比较，而我认为您的意思是比较 seqRead 中迭代器 位置 处的字母。 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