生成带索引的DNA修饰子词：索引匹配错误问题求助

问题分析 #

你当前的get_indices函数存在两个核心问题：

1. 代码存在未定义变量的bug（temp_indices未声明直接赋值）；
2. 仅能找到每个起始位置的第一个匹配索引组，无法覆盖所有可能的子序列索引组合，导致部分子词对应的正确索引被遗漏或错误匹配。例如对于子词ACA，原函数只能找到部分符合条件的索引组，而非全部正确的组合。

解决方案 #

方案1：修正get_indices函数（回溯法实现全索引组匹配） #

以下是修正后的函数，使用回溯法遍历所有可能的递增索引组合，确保找到子词对应的全部正确索引：

def get_indices(kmer, sub_words):
    results = []
    kmer_len = len(kmer)
    
    for sw in sub_words:
        sw_len = len(sw)
        if sw_len == 0:
            results.append(())
            continue
        
        temp_results = []
        # 回溯函数：递归查找所有符合条件的索引序列
        def backtrack(subword_pos, last_index, current_indices):
            if subword_pos == sw_len:
                temp_results.append(tuple(current_indices))
                return
            # 从last_index的下一个位置开始查找
            start = last_index + 1 if last_index != -1 else 0
            for i in range(start, kmer_len):
                if kmer[i] == sw[subword_pos]:
                    current_indices.append(i)
                    backtrack(subword_pos + 1, i, current_indices)
                    current_indices.pop()
        
        backtrack(0, -1, [])
        results.extend(temp_results)
    
    return results

验证示例

对于kmer = "ACGCAT"和子词"ACA"，该函数会返回所有正确的索引组：[(0, 1, 4), (0, 3, 4)]，完全覆盖符合条件的子序列位置。

方案2：直接生成子词与对应索引（更可靠的方式） #

由于get_kmer_combo仅返回子词字符串，无法区分相同子词对应的不同索引组，更可靠的方式是在生成子词时直接保留对应的索引组合：

from itertools import combinations

def get_kmer_combo_with_indices(kmer, repeats=1):
    """生成子词及其对应的原始索引组"""
    index_combinations = combinations(range(len(kmer)), r=repeats)
    return [
        ("".join([kmer[idx] for idx in indices]), tuple(indices))
        for indices in index_combinations
    ]

使用示例

kmer = "ACGCAT"
# 获取子词与索引的组合
combo_with_indices = get_kmer_combo_with_indices(kmer, repeats=3)
# 输出示例：('ACA', (0, 1, 4)), ('ACA', (0, 3, 4))等
for combo, indices in combo_with_indices:
    print(f"{combo} -> {indices}")

这种方式彻底避免了反向查找索引的问题，直接得到每个子词对应的原始生成索引，完全满足你的需求。

原函数错误说明 #

1. 未定义变量bug：原函数中if not found:分支里的temp_indices = []是未声明的变量，会导致运行时NameError；
2. 索引匹配不完整：原函数在查找后续字符时，找到第一个匹配项就停止，无法遍历所有可能的后续匹配位置，因此只能得到部分索引组，遗漏了其他符合条件的组合。

内容的提问来源于stack exchange，提问作者Paulo Sergio Schlogl