识别两个字符串之间的短匹配序列

Question

我有以下代码：

for k, (j,k) in enumerate (zip(line1_u,line2_u_rev_comp)):
    if j==k:
        Match1+=1 
    if j== 'N' or k == 'N':
        Unknown1+=1
    if j != k:
        Different1+=1

这将获取2行（line1\u u和line2\u\u rev\u comp）并逐字符比较它们，以确定它们是否匹配、是否有一个N，该N将其置于未知类别或不同。我想要的是，将每一个字符汇总起来，以确定行中的10个或更多字符是否匹配。这怎么可能呢？对代码的解释将不胜感激。你知道吗

Answer 1

您应该查看itertools.groupby：

from collections import defaultdict
from itertools import groupby

def class_chars(chrs):
    if 'N' in chrs:
        return 'unknown'
    elif chrs[0] == chrs[1]:
        return 'match'
    else:
        return 'not_match'

s1 = 'aaaaaaaaaaN123bbbbbbbbbbQccc'
s2 = 'aaaaaaaaaaN456bbbbbbbbbbPccc'
n = 0
consec_matches = []
chars = defaultdict(int)

for k, group in groupby(zip(s1, s2), class_chars):
    elems = len(list(group))
    chars[k] += elems
    if k == 'match':
        consec_matches.append((n, n+elems-1))
    n += elems

print chars
print consec_matches
print [x for x in consec_matches if x[1]-x[0] >= 9]

输出：

defaultdict(<type 'int'>, {'not_match': 4, 'unknown': 1, 'match': 23})
[(0, 9), (14, 23), (25, 27)]
[(0, 9), (14, 23)]

Answer 2

看看python中的difflib模块：https://docs.python.org/2/library/difflib.html。使用find_longest_match查找最长的公共子序列。你知道吗