查找较长字符串中多个不同字符串的第一个匹配项

Question

我目前正在做一个研究项目，我要做一个python程序，在这个程序中，我可以输入DNA序列，从中获得所有可能的阅读框架，然后找到任何开放阅读框架。我不能使用Biopython，因为我们要自己做这件事。

从我编写的代码中，我将获得以下样式的输出：["TGC", "ATG", "ATA", "TGG", "AGG", "AGG", "CCG", TAA", "TAG", "TGA"]

我现在要做的是将起始密码子定义为"ATG“，并获取其索引，并将终止密码子定义为["TAA", "TAG", "TGA"]，如果找到这三个密码子中的任何一个，则报告第一个找到的密码子的索引，其余的忽略。如果没有找到终止密码子，则返回某个字符串。

除此之外，我希望能够比较上面提到的风格中最多6个不同输入的“长度”，并选择最长的一个。

这是我第一次在这里发帖，如果问题表达得不好，我深表歉意，谢谢大家的帮助！

Answer 1

较长字符串中的字符串

我不完全确定这是否是您想要的，但是要在一个较长的字符串中找到第一个出现的字符串，您可以这样做，例如

s = "This is a long string. This is the second sentence."
short_strings = ["his", "is", "sec", "dummy"]
first_occurrence = [s.find(short) for short in short_strings]

print(first_occurrence)

它将产生输出

[1, 2, 35, -1]

请注意，对于不匹配的内容，您将获得-1。

字符串列表中的字符串

如果要为另一个列表中的每个元素查找列表中的第一个匹配项，可以执行以下操作

a_list = ["ACA", "ATG", "CGC", "ATA", "TAT", "TAA", "TAG", "TGA", "ATG"] 
b_list = ["ATG", "TAA", "AAA"]

x = {
    b : next(a_index for a_index, a in enumerate(a_list) if a == b) 
    for b in b_list 
    if b in a_list
}

print(x)

它会产生输出

{'ATG': 1, 'TAA': 5}

替代方案

如果您想要一个较少遍历列表a_list的解决方案，您可以更多地依赖列表生成器，如以下示例所示

gen = ((a_index, a) for a_index, a in enumerate(a_list) if a in b_list) 

for elem in gen:
    b_list.remove(elem[1])
    print(elem)

这将在找到匹配项时报告匹配，而不关心它首先在b_list中找到哪个元素。您可以将打印语句修改为所需的任何功能，但必须保留remove语句，否则生成器将找到多个匹配项。