CS50x DNA PSET5技术问题：如何根据匹配的STR数值获取对应人名

原代码问题分析 #

你当前的匹配逻辑（用集合求交集）存在根本性错误：集合会忽略元素顺序且只保留共同元素，无法保证所有STR数值完全匹配——比如不同用户可能有部分相同的STR数值，但并非全部吻合，这种方式会导致错误匹配或漏匹配。

修正方案 #

正确的思路是逐行遍历数据库中的用户数据，对比该用户的所有STR数值与你计算出的find_STR是否完全一致：

1. 读取CSV后，第一行是STR类型表头，后续每行是「人名+对应STR数值」
2. 将计算出的find_STR（整数列表）转换为字符串列表，与CSV中的数值格式统一
3. 遍历每个用户数据，对比其STR数值列表与计算结果，找到完全匹配的用户并输出人名
4. 若遍历完无匹配，输出No match

修正后的完整代码 #

import csv
import sys

def main():
    # 检查命令行参数
    if len(sys.argv) != 3:
        print("Usage: python dna.py data.csv sequence.txt")
        sys.exit(1)

    filecsv = sys.argv[1]
    filetext = sys.argv[2]

    # 读取CSV数据库
    with open(filecsv, "r") as csvfile:
        reader = csv.reader(csvfile)
        db = list(reader)  # db[0]是STR表头，db[1:]是用户数据

    # 读取DNA序列
    with open(filetext, "r") as file:
        sequence = file.read()

    # 计算每个STR的最长匹配次数
    find_STR = []
    # 遍历所有STR类型（跳过表头第一个元素"name"）
    for str_type in db[0][1:]:
        find_STR.append(longest_match(sequence, str_type))

    # 转换为字符串，与CSV中的数值格式统一
    str_find = [str(num) for num in find_STR]

    # 匹配数据库中的用户
    for user in db[1:]:
        # user[0]是人名，user[1:]是该用户的STR数值列表
        if user[1:] == str_find:
            print(user[0])
            return

    # 无匹配情况
    print("No match")


def longest_match(sequence, subsequence):
    """Returns length of longest run of subsequence in sequence."""
    longest_run = 0
    subsequence_length = len(subsequence)
    sequence_length = len(sequence)

    for i in range(sequence_length):
        count = 0
        while True:
            start = i + count * subsequence_length
            end = start + subsequence_length
            if start >= sequence_length:
                break
            if sequence[start:end] == subsequence:
                count += 1
            else:
                break
        longest_run = max(longest_run, count)
    return longest_run


if __name__ == "__main__":
    main()

关键代码说明 #

• 命令行参数检查：确保用户输入正确的文件路径，避免因参数错误导致程序崩溃
• 数据库遍历逻辑：db[1:]取出所有用户数据，user[1:]获取该用户的所有STR数值，直接与str_find对比是否完全相等，保证顺序和数值都匹配
• 格式统一：将计算出的整数转换为字符串，与CSV中存储的字符串格式对齐，避免类型不匹配导致的对比失败

内容的提问来源于stack exchange，提问作者guizin