Python - 文本处理状态机


状态机是关于设计程序来控制应用程序中的流程。它是一个有向图,由一组节点和一组过渡函数组成。处理文本文件通常包括顺序读取文本文件的每个块并执行某些操作以响应每个块读取。块的含义取决于它之前存在的块的类型以及它之后的块。该机器是关于设计程序来控制应用程序中的流程。它是一个有向图,由一组节点和一组过渡函数组成。处理文本文件通常包括顺序读取文本文件的每个块并执行某些操作以响应每个块读取。块的含义取决于它之前存在的块的类型以及它之后的块。

考虑一种情况,其中文本放置必须是AGC序列的重复连续串(用于蛋白质分析)。如果在输入字符串中保持此特定序列,则机器的状态保持为TRUE,但是一旦序列偏离,机器的状态将变为FALSE并且在病房之后保持为FALSE。这确保了即使稍后可能存在更多正确序列的块,也停止进一步处理。

下面的程序定义了一个状态机,它具有启动机器的功能,获取处理文本的输入并逐步完成处理。

class StateMachine:

# Initialize
    def start(self):
        self.state = self.startState

# Step through the input
    def step(self, inp):
        (s, o) = self.getNextValues(self.state, inp)
        self.state = s
        return o

# Loop through the input        
    def feeder(self, inputs):
        self.start()
        return [self.step(inp) for inp in inputs]

# Determine the TRUE or FALSE state
class TextSeq(StateMachine):
    startState = 0
    def getNextValues(self, state, inp):
        if state == 0 and inp == 'A':
            return (1, True)
        elif state == 1 and inp == 'G':
            return (2, True)
        elif state == 2 and inp == 'C':
            return (0, True)
        else:
            return (3, False)


InSeq = TextSeq()

x = InSeq.feeder(['A','A','A'])
print x

y = InSeq.feeder(['A', 'G', 'C', 'A', 'C', 'A', 'G'])
print y

当我们运行上面的程序时,我们得到以下输出 -

[True, False, False]
[True, True, True, True, False, False, False]

在x的结果中,AGC的模式在第一个'A'之后的第二个输入失败。在此之后,结果的状态将永远保持为False。在Y的结果中,AGC的模式持续到第4个输入。因此,结果的状态在此之前保持为真。但是从第5个输入开始,结果变为False,因为G是预期的,但是找到了C.