HJ63 DNA 序列

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 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。

题解

import java.util.Scanner;
import java.util.LinkedHashSet;

// 注意类名必须为 Main, 不要有任何 package xxx 信息
public class Main {
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);

        while (in.hasNext()) { // 注意 while 处理多个 case
            // 输入一个string型基因序列
            // int型子串的长度
            String dna = in.next();
            int n = in.nextInt();

            // 找出GC比例最高的子串,如果有多个则输出第一个的子串
            // 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）。
            // 比例 = (G的数目+C的数目)/总的字母数目 ==》 GC的数目
            
            // 有序 去重
            LinkedHashSet<String> strs = new LinkedHashSet<>();
            // 截取长度为 n 的子串 
            for (int i = 0; i < dna.length() - n + 1; i++) {
                String str = dna.substring(i, i + n);
                strs.add(str);
            }
            
            // GC数目代表 ratio 比例的大小
            int max = 0;
            String res = "";
            for (String s : strs) {
                int count = 0;
                // 首先求G和C的个数和
                count = s.replaceAll("[^CG]", "").length();
                if (max < count) {
                    max  = count  ;
                    res = s;
                    if (count == 1) {
                        break;
                    }
                }
            }

            System.out.println(res);
        }
    }
}