Uw verzoek is eenvoudig te implementeren. Ik zou in dit geval geen bibliotheken gebruiken. Aangezien je je implementatie niet hebt laten zien, zal ik er een geven:

  def gen_cigar (ref, qry): if len (ref)! = Len (qry): verhoog Uitzondering ('ongelijke lengte') cigar = [] voor i binnen bereik (len (ref)): r, q = ref [i], qry [i]; if r is '-' en q is '-': verhoog Uitzondering ('beide gaten') op = '=' als r is q anders 'I' als r is '-' anders 'D' als q is '-' anders 'X'; if len (cigar) > 0 en cigar [-1] [1] is op: # voeg toe aan de laatste bewerking cigar [-1] [0] + = 1 else: cigar.append ([1, op]); # een nieuwe operatie retourneren "" .join (map (lambda x: str (x [0]) + x [1], cigar)); # turn to stringprint (gen_cigar ('ACGTAT-CT', 'ACGT-TGGA'));  

De uitvoer is:

  4 = 1D1 = 1I2X  

PS: Het is interessant dat je problemen vaak vanuit een andere hoek benadert. De oplossingen waarvan je denkt dat ze 'moeten bestaan' bestaan ​​eigenlijk zelden, want dat zijn niet de manieren waarop we (ik tenminste) met data werken. Daarom geef ik er de voorkeur aan dat een vragensteller het grotere geheel uitlegt, naast de geïsoleerde tussenliggende problemen - er zouden eenvoudigere en eenvoudigere oplossingen kunnen zijn zonder dat de bedachte problemen moeten worden opgelost.

Dit is wat ik zou doen in Python. Er zijn een paar extra controles die ik heb toegevoegd, en mijn definities van een paar gevallen zijn anders dan die van Heng Li hierboven, @ user172818. De uitvoering is redelijk vergelijkbaar.

  def create_cigar (reference, alignment): '' 'Construeer CIGAR van referentie en uitlijning' '' ## als referentie en uitlijning ongelijke lengtes hebben, stop dan als len (referentie)! = len ( alignment): raise Exception ('Error: reference and alignment are of unequal length') ## vervang '-' en '*' naar '_' reference = reference.translate (bytes.maketrans (b "* -", b "__")) alignment = alignment.translate (bytes.maketrans (b "* -", b "__")) ### maakt een string met een CIGAR-symbool voor elke positie met zip () vergelijk_strings = '' .join ( ['=', 'X'] [ref == '_'] if ref == algn else 'X' if ref! = '_' En algn! = '_' Else ['I', 'D'] [algn == '_' en ref! = '_'] voor ref, algn in zip (referentie, uitlijning)) ## nu, ontleed string in CIGAR-formaat; sneller dan itertools total_match = 0 # totaal aantal aangrenzende overeenkomsten current_base = vergelijk_strings [0] # huidig ​​teken wordt verwerkt resultaat = '' # resultaat van functie voor i binnen bereik (len (vergelijk_strings)): if vergelijk_strings [i] == huidige_reeks : total_match + = 1 else: result + = str (total_match) + current_base current_base = vergelijk_strings [i] total_match = 1 resultaat + = str (total_match) + current_base-resultaat  

In het voorbeeld :

  print (create_cigar ('ACGTAT-CT', 'ACGT-TGGA'))  

welke uitvoert:

  4 = 1D1 = 1I2X  

(1) Ik standaard de ingangen, zodat hiaten - , _ , of * . (Gebruikers kunnen hun eigen toevoegen.)

(2) Er zijn geen N , overgeslagen regio's, hoewel ik op basis van de use case kon zien dat gebruikers dit schrijven, bijv. een schrapping> = grootte een aantal zou kunnen werken.

(3) Harde en zachte vulling hebben in deze context geen zin. Deze worden geclassificeerd als X .

(4) Volgens mijn definitie hierboven, als er een gat is in de referentie en de uitlijning, is dit een opvulling P .