Question

我正在研究一个Python项目，该项目读取URL编码的重叠字符串列表。每个字符串长15个字符，并与顺序字符串重叠至少3个字符和最多15个字符（相同）。

该程序的目标是从重叠的字符串列表（有序或无序）转变为压缩的URL编码的字符串。

我当前的方法在重叠字符串的重复段中失败。例如，我的程序错误地组合了：

StrList1 = [ 'd+%7B%0A++++public+', 'public+static+v','program%0Apublic+', 'ublic+class+Hel', 'lass+HelloWorld', 'elloWorld+%7B%0A+++', '%2F%2F+Sample+progr', 'program%0Apublic+']

输出：

output = ['ublic+class+HelloWorld+%7B%0A++++public+', '%2F%2F+Sample+program%0Apublic+static+v`]

正确的输出是：

output = ['%2F%2F+Sample+program%0Apublic+class+HelloWorld+%7B%0A++++public+static+v']

我使用的是简单的python，而不是biopython或sequence aligners，尽管也许应该这样做？

非常感谢您对此问题的任何建议或使用python实现此目的的好方法的建议！

谢谢！

Answer 1

您可以从列表中的一个字符串（存储为string）开始，对于列表中其余的每个字符串（存储为candidate），其中：

candidate是string的一部分，
candidate包含string，
candidate的尾巴与string的头部匹配，
或者candidate的头与string的尾巴匹配，

根据两个字符串的重叠方式进行组装，然后递归地重复此过程，将重叠的字符串从其余字符串中删除，然后将组装的字符串追加，直到列表中只剩下一个字符串为止。有效的完全组装的字符串，可以添加到最终输出中。

由于可能存在多种方式使多个字符串相互重叠，其中某些可能导致相同的组合字符串，因此应改为将输出设置为一组字符串：

def assemble(str_list, min=3, max=15):
    if len(str_list) < 2:
        return set(str_list)
    output = set()
    string = str_list.pop()
    for i, candidate in enumerate(str_list):
        matches = set()
        if candidate in string:
            matches.add(string)
        elif string in candidate:
            matches.add(candidate)
        for n in range(min, max + 1):
            if candidate[:n] == string[-n:]:
                matches.add(string + candidate[n:])
            if candidate[-n:] == string[:n]:
                matches.add(candidate[:-n] + string)
        for match in matches:
            output.update(assemble(str_list[:i] + str_list[i + 1:] + [match]))
    return output

这样在您的示例输入中：

StrList1 = ['d+%7B%0A++++public+', 'public+static+v','program%0Apublic+', 'ublic+class+Hel', 'lass+HelloWorld', 'elloWorld+%7B%0A+++', '%2F%2F+Sample+progr', 'program%0Apublic+']

assemble(StrList1)将返回：

{'%2F%2F+Sample+program%0Apublic+class+HelloWorld+%7B%0A++++public+static+v'}

或作为具有多种重叠可能性的输入示例（第二个字符串可以通过位于内部，具有匹配头部的尾部以及具有匹配尾部的头部来匹配第一个字符串）：

assemble(['abcggggabcgggg', 'ggggabc'])

将返回：

{'abcggggabcgggg', 'abcggggabcggggabc', 'abcggggabcgggggabc', 'ggggabcggggabcgggg'}

Answer 2

如果链数不超过20，它就会挂起。如何优化呢？

如何在python中合并具有重叠字符的字符串？

2 个答案: