在字符串中查找子串是一个常见问题。子串在字符串中可能是唯一的,比如特定的基因序列;也有可能有多个拷贝,比如基因组中的重复序列。这些重复序列可能相同,可能有微小区别。本题中重复子串完全相同,可以简单地通过 Python 的find()
函数来查找,如果重复子串不完全相同并且符合某种模式,则可以用正则表达式模块re
来处理。
给定: 两个 DNA 序列s和t(长度都不超过 1kb)。
需得: t在s中的所有位置。
GATATATGCATATACTT
ATAT
2 4 10
Finding_a_Motif_in_DNA.py
import sys
import re
def find_motif(s, t):
ret = []
pos = s.find(t)
while pos != -1:
ret.append(pos+1)
pos = s.find(t, pos+1)
return ' '.join([str(n) for n in ret])
def test():
return find_motif('GATATATGCATATACTT', 'ATAT') == '2 4 10'
if __name__ == '__main__':
if not test():
print("find_motif: Failed")
sys.exit(1)
with open('rosalind_subs.txt') as fh:
s = fh.readline().rstrip()
t = fh.readline().rstrip()
print(find_motif(s, t))