如何在表达式的第一次出现之间删除字符？

Question

我会用一个例子来解释我想要的东西。我正在研究DNA序列。假设我要删除字符串中GUA和CAG（包括GUA和CAG）之间的所有内容。因此，如果输入为："AAAAGUAGGGGCAGCAGUUUUUGUAAAAACAG"

输出应为：["AAAA","CAGUUUUU"]。我最初使用re.split(r'GUA\w*CAG',a)，但返回["AAAA"]。它似乎在字符串中查找CAG的最后一次出现而不是第一次出现。

Answer 1

在正则表达式中，默认情况下*，+和?为greedy。

如果您不想要这种行为，请使用他们的非贪婪对手*?，+?和??：

re.split(r'GUA\w*?CAG',a)

请参阅https://docs.python.org/2/library/re.html#regular-expression-syntax

Answer 2

您需要添加量词?，并且最好使用.*?代替\w*?，因为\w仅匹配字词charcters。

>>> import re
>>> s = "AAAAGUAGGGGCAGCAGUUUUUGUAAAAACAG"
>>> m = re.split(r'GUA.*?CAG', s)
>>> m
['AAAA', 'CAGUUUUU', '']
>>> [x for x in m if x]
['AAAA', 'CAGUUUUU']