为何DNA序列STR最长匹配函数仅执行一次？

你遇到的核心问题是文件对象的read()方法只能读取一次完整内容：

• 第一次调用DNA_sequence.read()时，会把整个文件内容读到内存，同时文件内部的指针会移动到文件末尾。
• 后续循环里再调用DNA_sequence.read()，指针已经在末尾，只能返回空字符串""。
• 你的longest_match函数拿到空序列后，计算出的最长匹配自然是0，所以后续执行都无效。

1. 提前读取DNA序列到变量 #

把文件内容一次性读取到变量中，循环里直接使用这个变量，而不是反复调用read()：

def main():
    # Check for command-line usage
    if len(sys.argv) != 3:
        exit()

    # 用with语句管理数据库文件（自动关闭）
    with open(sys.argv[1], "r") as database:
        # 后续可在这里处理数据库内容，比如用csv.reader解析
        pass

    # 提前读取完整DNA序列到变量
    with open(sys.argv[2], "r") as dna_file:
        dna_sequence = dna_file.read().strip()  # strip()去除首尾换行/空白符

    # Makes a dictionary of kinds of sequences
    sub_sequences = {0: ["AGATC", 0], 1: ["TTTTTTCT", 0], 2: ["AATG", 0], 3: ["TCTAG", 0], 4: ["GATA", 0], 5: ["TATC", 0], 6: ["GAAA", 0], 7: ["TCTG", 0]}

    # Finds the longest match of each STR in DNA sequence
    sub_sequences_length = len(sub_sequences)

    for i in range(sub_sequences_length):
        # 使用提前读取好的dna_sequence变量
        sub_sequences[i][1] = longest_match(dna_sequence, sub_sequences[i][0])

    return

2. 额外优化建议 #

• 把sub_sequences改成更直观的键值对结构，避免用数字索引，代码可读性更强：

  sub_sequences = {"AGATC": 0, "TTTTTTCT": 0, "AATG": 0, "TCTAG": 0, "GATA": 0, "TATC": 0, "GAAA": 0, "TCTG": 0}
  # 循环时直接遍历键值对
  for seq, _ in sub_sequences.items():
      sub_sequences[seq] = longest_match(dna_sequence, seq)
  

• 始终用with语句操作文件，它会自动处理文件关闭，避免资源泄漏。

内容的提问来源于stack exchange，提问作者Valdemarcheck