如何查找文件中允许1个错配的单词匹配对

核心逻辑基于汉明距离（Hamming Distance） 实现匹配，仅对长度相同的序列统计相同位置的错配数量，错配数≤1的序列会被判定为匹配，长度不同的序列会直接排除，避免出现你提到的无效匹配问题。

实现代码（Python） #

def hamming_distance(s1, s2):
    # 长度不同直接返回大于1的数值，排除匹配
    if len(s1) != len(s2):
        return 2
    return sum(c1 != c2 for c1, c2 in zip(s1, s2))

if __name__ == "__main__":
    # 读取序列文件，可自行替换为你的文件路径
    with open("input.txt", "r", encoding="utf-8") as f:
        sequences = [line.strip() for line in f if line.strip()]
    
    # 生成匹配结果
    match_result = {}
    for query_seq in sequences:
        matched_seqs = []
        for target_seq in sequences:
            if hamming_distance(query_seq, target_seq) <= 1:
                matched_seqs.append(target_seq)
        match_result[query_seq] = matched_seqs
    
    # 格式化输出
    for seq, matches in match_result.items():
        print(f"{seq}: {', '.join(matches)}")

运行效果验证 #

你的示例输入：

CTAGGA
TTAGCT
CGTACA
ACAGTG
ACACTG

运行代码后输出结果和你的预期完全一致：

CTAGGA: CTAGGA
TTAGCT: TTAGCT
CGTACA: CGTACA
ACAGTG: ACAGTG, ACACTG
ACACTG: ACAGTG, ACACTG

如果需要处理带冗余字符的序列，可在读取序列后先统一裁剪为相同长度再进行距离计算即可。

内容的提问来源于stack exchange，提问作者Lluc