>我有 2 个文件,文件 1 和文件 2文件 1 包含完整字符串 "abcdef" 的所有 4-mer、5-mer 和 6-mer 子字符串
file2 有更长的字符串,如
ddghtgabcdtttfwe
ddghtgabdatttfwe
hhttaaddsbcdeggd
等。我想看看 file2 中的字符串是否与 file1 中的字符串匹配,允许一些不匹配(最大汉明距离 2)。例如ddghtgabcdtttfwe 和 ddghtgabcdatttfwe 分别是子字符串 ABCD 和 ABCD,ABCDE 的命中。你能建议一个在python中做到这一点的好方法吗
部分解决方案:
def hamming(s1,s2):
return len([(c1,c2) for (c1,c2) in zip(s1,s2) if c1 != c2])
然后:
def almostIn(s1,s2):
n = len(s1)
for s in (s2[i:i+n] for i in range(1 + len(s2)-n)):
if hamming(s1,s) <= 2: return True
return False
如果 s1 出现在汉明距离 <= 2 的 s2 中,则后面的函数将返回 True。有一定量的重新扫描相同的字符,所以这可能不是最佳的,但对于你的预期应用程序来说可能已经足够了。