Python - 文本处理状态机

状态机是关于设计一个程序来控制应用程序中的流程。它是一个有向图，由一组节点和一组转换函数组成。处理文本文件通常包括顺序读取文本文件的每个块，并对读取的每个块做一些操作。块的含义取决于之前存在哪些类型的块以及之后会出现哪些块。该机器是关于设计一个程序来控制应用程序中的流程。它是一个有向图，由一组节点和一组转换函数组成。处理文本文件通常包括顺序读取文本文件的每个块，并对读取的每个块做一些操作。块的含义取决于之前存在哪些类型的块以及之后会出现哪些块。

考虑这样一种情况：文本输入必须是AGC序列（用于蛋白质分析）的连续重复字符串。如果输入字符串中保持此特定序列，则机器的状态保持为TRUE，但一旦序列发生偏差，机器的状态变为FALSE，并在之后保持FALSE。这确保了即使稍后可能还有更多正确的序列块可用，也停止进一步处理。

下面的程序定义了一个状态机，该状态机具有启动机器、获取文本处理输入和逐步进行处理的功能。

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模式在第一个'A'之后的第二个输入处失败。结果的状态在此之后永远保持False。在Y的结果中，AGC模式持续到第4个输入。因此，结果的状态在此之前一直保持为True。但从第5个输入开始，结果变为False，因为期望G，但发现了C。

打印页面