Java题解 | HJ63 #DNA序列#

描述

一个 DNA 序列由 A/C/G/T 四个字母的排列组合组成。 G 和 C 的比例（定义为 GC-Ratio ）是序列中 G 和 C 两个字母的总的出现次数除以总的字母数目（也就是序列长度）。在基因工程中，这个比例非常重要。因为高的 GC-Ratio 可能是基因的起始点。

给定一个很长的 DNA 序列，以及限定的子串长度 N ，请帮助研究人员在给出的 DNA 序列中从左往右找出 GC-Ratio 最高且长度为 N 的第一个子串。
DNA序列为 ACGT 的子串有: ACG , CG , CGT 等等，但是没有 AGT ， CT 等等

数据范围：字符串长度满足 1≤n≤1000 ，输入的字符串只包含 A/C/G/T 字母

输入描述：
输入一个string型基因序列，和int型子串的长度

输出描述：
找出GC比例最高的子串,如果有多个则输出第一个的子串

示例1

输入：
ACGT
2

输出：
CG

说明：
ACGT长度为2的子串有AC,CG,GT3个，其中AC和GT2个的GC-Ratio都为0.5，CG为1，故输出CG

示例2

输入：
AACTGTGCACGACCTGA
5

输出：
GCACG

说明：
虽然CGACC的GC-Ratio也是最高，但它是从左往右找到的GC-Ratio最高的第2个子串，所以只能输出GCACG。

解法

遍历输入的字符串，分两种情况，统计G\C出现的次数。分两种情况：

• 统计0到N个字串。纪录G\C出现的次数count，以及这段的开始位置sIndex;
• 再遍历后续的字符G\C出现的次数count。如果该字串GC数比上一个字串的多，则接受这个字串为GC数最多的字串。

/**
 * Welcome to https://waylau.com
 */
package com.waylau.nowcoder.exam.oj.huawei;

import java.util.Scanner;

/**
 * 一个 DNA 序列由 `A/C/G/T` 四个字母的排列组合组成。 G 和 C 的比例（定义为 GC-Ratio ）是序列中 G 和 C
 * 两个字母的总的出现次数除以总的字母数目（也就是序列长度）。 在基因工程中，这个比例非常重要。因为高的 GC-Ratio 可能是基因的起始点。
 * 给定一个很长的 DNA 序列，以及限定的子串长度 N ， 请帮助研究人员在给出的 DNA 序列中从左往右找出 GC-Ratio 最高且长度为 N
 * 的第一个子串。 DNA序列为 ACGT 的子串有: ACG , CG , CGT 等等，但是没有 AGT ， CT 等等 数据范围：字符串长度满足
 * 1≤n≤1000 ，输入的字符串只包含 `A/C/G/T` 字母 输入描述： 输入一个string型基因序列，和int型子串的长度
 * 输出描述：找出GC比例最高的子串,如果有多个则输出第一个的子串 示例1 输入： ACGT 2 输出： CG 说明：
 * ACGT长度为2的子串有AC,CG,GT3个，其中AC和GT2个的GC-Ratio都为0.5， CG为1，故输出CG 示例2 输入：
 * AACTGTGCACGACCTGA 5 输出： GCACG 说明：
 * 虽然CGACC的GC-Ratio也是最高，但它是从左往右找到的GC-Ratio最高的第2个子串， 所以只能输出GCACG。
 * 
 * @since 1.0.0 2022年8月27日
 * @author <a href="https://waylau.com">Way Lau</a>
 */
public class HJ063DNASequence {

    public static void main(String[] args) {
        // 输入
        Scanner in = new Scanner(System.in);
        String sequence = in.nextLine();
        int n = in.nextInt();

        char[] sequenceArr = sequence.toCharArray();
        int length = sequence.length();

        // 遍历输入的字符串，分两种情况，统计`G\C`出现的次数。分两种情况：
        // 统计0到N-1个字串。纪录`G\C`出现的次数count，以及这段的开始位置sIndex;
        int count = 0;
        int sIndex = 0;
        for (int i = 0; i < n; i++) {
            if (isGC(sequenceArr[i])) {
                count++;
            }
        }

        // 再遍历后续的字符，如果该字串GC数比上一个字串的多，则接受这个字串为GC数最多的字串。
        int prev = 0; // 上个字串的首字符位置

        int max = count;// GC最大总数
        int prevCount = count;// 上次子串的GC总数

        for (int i = n; i < length; i++) {
            int curCount = prevCount;
            char curChar = sequenceArr[i];
            char prevChar = sequenceArr[prev];

            // 统计当前字串的GC总数
            if (isGC(curChar)) {
                curCount++;
            }

            if (isGC(prevChar)) {
                curCount--;
            }

            // 当前GC总数最多
            if (curCount > max) {
                sIndex = prev + 1;
                max = curCount;
            }

            prevCount = curCount;
            prev++;
        }

        // 输出
        System.out.println(
                sequence.substring(sIndex, sIndex + n));

        // 关闭
        in.close();

    }

    private static boolean isGC(char ch) {
        boolean isGC = false;

        if (ch == 'G' || ch == 'C') {
            isGC = true;
        }

        return isGC;
    }

}

参考引用

• 本系列归档至https://github.com/waylau/nowcoder-exam-oj
• 《Java 数据结构及算法实战》：https://github.com/waylau/java-data-structures-and-algorithms-in-action
• 《数据结构和算法基础（Java 语言实现）》（柳伟卫著，北京大学出版社出版）：https://item.jd.com/13014179.html