正则表达式：匹配重复序列

Question

我正在尝试构建一个与2个字符的重复DNA序列匹配的正则表达式。这些字符可以是相同的。

正则表达式应该匹配2个字符的重复序列至少3次，这里有一些例子：

正则表达式应匹配：

• ATATAT
• GAGAGAGA
• CCCCCC

并且不应匹配：

• ACAC
• ACGTACGT

到目前为止，我已经提出了以下正则表达式：

[ACGT]{2}

它捕获由恰好两个字符（A，C，G或T）组成的任何序列。现在我想重复这个模式至少三次，所以我尝试了以下正则表达式：

[ACGT]{2}{3,}
([ACGT]{2}){3,}

不幸的是，第一个引发了'多次重复'错误（Python），而第二个错误只会匹配包含A，C，G和T的6个字符的任何序列。

有没有人可以帮我解决这个正则表达式？ 提前谢谢。

Answer 1

您也许可以使用反向引用。

([ATGC]{2})\1{2,}

\1是指向第一个捕获组的反向引用，将是您捕获的内容。

regex101 demo

Answer 2

一：

(AT){3}

两个

(GA){4}

三

C{6}

将它们结合起来！

(C{6}|(GA){4}|(AT){3})