c++ - 使用 C++ 字符串类函数从更长的原始基因组字符串中显示 “gene substrings”

Question

请帮忙。我正在使用序列 TGTGTGTATAT 测试我的基因查找器程序，其中起始帽 ATG 添加到前端，结束帽 TAA 添加到末尾所以我正在测试基因组 ATGTGTGTTATATTAA 因为不包括大写序列不是 3 个字符的倍数因此在长度上它不包含任何基因，应该显示

“没有找到基因”

黑色cout窗口确实弹出但它什么也没显示

//Date: 
//purpose:  find Genes and cout found genes

#include <iostream>
#include <string>
#include <cctype>
#include <cmath>
#include <algorithm>
using namespace std;
int main() 
{
    string genome = "ATGTGTGTGTATATTAA"; //testing this string
        /*cout << "Enter a genome string: ";
    cin >> genome;*/

        int geneCounter = 0;


while(!genome.empty())  //enters loop if strings not empty
{


if(genome.find("ATG",0) == string::npos) //genome.find("ATG",0,3) should return npos if no ATG is found right? 
{   
    if(geneCounter == 0)
    {
    cout << "no gene is found";  
    genome.clear(); 
    }
}
else
{
    int startGene = genome.find("ATG",0); //ATG is not part of gene just a front endcap to genes
    int endGene = min(min(genome.find("TAG"), genome.find("TAA")), genome.find("TGA"));//endcaps are TAG or TAA or TGA 
                                                                                       //finds location of (1+ gene end) 


    string currentGene = genome.substr(startGene + 3, endGene - (startGene +3)); //puts copy of gene in substring

    if((currentGene.length() % 3) == 0)
    {
        geneCounter += 1;
        cout << currentGene <<endl;//a gene is a multiple of three characters so if its a gene I cout the gene
    }

    endGene += 3;
    genome.erase(0, endGene); //should erase the gene I just "cout"displayed 
                                                //and its front ATG and its endcap and anything before its ATG

    //cout << genome; //testing: this should display the genome after the endcap of the last gene cause I erased all coming before 
}
}



return 0;
}

Answer 1

这听起来像是干净的正则表达式解决方案的完美用例。再次验证基因串的具体规则是什么？

以ATG开头

三个字符的基因。允许使用哪些字符？

以TTA结尾

使用像这样的正则表达式

^ATG([A-Z]{3})+TTA$

^ 是一行的开始。 ATG 是精确匹配的字符串。 ([A-Z]{3})+ 是一个匹配组，表示将在找到时提取，具有 A-Z 中的三个字符。 TTA 又是一个精确匹配。加号仅在至少找到该组中的一个时才有效。$ 是该行的末尾。

如果只有 [A-Z] 是有效字符，您可以使用 [ATGE] 而不是 [A-Z]。

这应该可以完全解决您的问题。为所有内部三个 char 子字符串提供一个迭代器，同时检查长度开始和结束。

http://www.cplusplus.com/reference/regex/