基因组序列模式匹配代码故障排查：仅返回首次匹配位置而非全部匹配位置

问题根源 #

你代码里的核心bug出在匹配位置的获取逻辑上：每次找到匹配时，你调用了Text.index(Pattern)来添加位置，但这个方法的特性是仅返回模式在文本中第一次出现的索引，不管循环遍历到哪个位置，它都会重复返回同一个起始值，这就导致所有匹配位置都被替换成了首次匹配的索引。

修复后的代码 #

# open the file with the original sequence
myfile = open('Vibrio_cholerae.txt')
# set the file to the variable Text to read and scan
Text = myfile.read()
# insert the pattern
Pattern = "TAATGGCT"
PatternLocations = []

def PatternCount(Text, Pattern):
    count = 0
    pattern_len = len(Pattern)
    text_len = len(Text)
    for i in range(text_len - pattern_len + 1):
        if Text[i:i+pattern_len] == Pattern:
            count += 1
            # 直接使用当前循环的i作为匹配起始位置，而不是index()
            PatternLocations.append(i)
    return count

# print the result of calling PatternCount on Text and Pattern.
print(f"Number of times the Pattern is repeated: {PatternCount(Text, Pattern)} time(s).")
print(f"List of Pattern locations: {PatternLocations}")

关键修正说明 #

• 把PatternLocations.append(Text.index(Pattern))替换成PatternLocations.append(i)：循环变量i就是当前匹配片段的起始索引，这正是我们需要记录的每个匹配的真实位置。
• 额外优化：提前计算pattern_len和text_len，避免在循环中重复计算长度，提升一点代码效率。

内容的提问来源于stack exchange，提问作者Nadeen NBY