如何将超长字符串拆分为符合指定示例的独立小片段？

拆分规则说明 #

从你提供的输入输出对应关系反推，本次拆分的核心逻辑为经典的胰蛋白酶酶切规则：

• 切分的触发位点为序列中的赖氨酸（K）、精氨酸（R）残基
• 当K/R的后一位紧跟脯氨酸（P）时，不触发切分
• 切分时将触发位点的K/R保留在当前已累积的片段中
• 连续出现的K/R若满足切分条件，会分别单独成段
• 序列末尾无满足切分条件的K/R时，剩余字符直接作为最后一个独立片段

实现步骤 #

1. 序列预处理 #

将多行原始序列拼接为单行，去除换行符、首尾的引号、多余空白字符，避免杂质影响切分结果。

2. 切分逻辑实现 #

遍历预处理后的完整序列，逐字符累积到临时存储区；每次遇到K/R时校验切分条件，满足条件则把临时存储的内容作为独立片段保存，随后清空临时存储区重新累积；遍历结束后，将临时区剩余的未触发切分的字符作为最后一个片段。

3. 可运行Python代码（适配学生项目场景） #

# 原始序列输入
raw_seq = '''GLSDGEWQQVLNVWGKVEADIAGHGQEVLIRLFTGHPETLEKFDKFKHLKTEAEMKASEDLKKHGTVVLTALGGILKKKEGH
HEAELKPLAQSHATKHKIPIKYLEFISDAIIHVLHSKHRPGDFGADAQGAMTKALELFRNDIAAKYKELGFQG'''
# 序列清洗：去除换行、首尾引号、多余空格
clean_seq = raw_seq.replace('\n', '').strip().strip("'")

fragments = []
current_buf = []
seq_len = len(clean_seq)

for idx, char in enumerate(clean_seq):
    current_buf.append(char)
    # 判断是否满足切分条件
    if char in ('K', 'R'):
        # 切分要求：是序列最后一个字符，或下一个字符不是P
        if idx == seq_len - 1 or clean_seq[idx + 1] != 'P':
            fragments.append(''.join(current_buf))
            current_buf.clear()

# 处理遍历完成后剩余的未切分内容
if current_buf:
    fragments.append(''.join(current_buf))

# 按要求格式输出结果
for frag in fragments:
    print(f"'{frag}'")

输出结果验证 #

运行上述代码后，输出内容与你提供的示例完全一致：

'GLSDGEWQQVLNVWGK'
'VEADIAGHGQEVLIR'
'LFTGHPETLEK'
'FDK'
'FK'
'HLK'
'TEAEMK'
'ASEDLK'
'K'
'HGTVVLTALGGILK'
'K'
'K'
'EGHHEAELKPLAQSHATK'
'HK'
'IPIK'
'YLEFISDAIIHVLHSK'
'HRPGDFGADAQGAMTK'
'ALELFR'
'NDIAAK'
'YK'
'ELGFQG'

后续调整参考 #

如果需要适配其他拆分规则，只需要修改切分的判断条件即可，整体遍历框架不需要改动。比如调整切分位点为特定字符、修改不切分的后续字符类型等。

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