我尝试使用new regex findall对匹配进行索引,以便可以考虑重叠匹配。但是,我只能找到匹配项,但无法正确地为它们提供位置。
我的代码:
import regex as re
seq = "ATCCAAGGAGTTTGCAGAGGTGGCGTTTGCAGCATGAGAT"
substring="GTTTGCAG"
xx=re.findall(substring,seq,overlapped=True)
print xx
xx看起来像
['GTTTGCAG', 'GTTTGCAG']
因为在10-17和25-32位置有两场比赛。
但是我怎么能得到这些数字呢?通过检查dir(xx),我可以在这个新函数中使用没有开始/结束/ pos。 (我尝试了xx.index(substring),但这似乎只给出了结果列表的索引:例如在这种情况下为0和1)
谢谢。
答案 0 :(得分:3)
这个迭代用于长度等于模式长度的子串,并与我们的模式进行比较。如果它们是相同的,它会记住字符串中的开始和结束索引。简单的列表理解。
sequence = "ATCCAAGGAGTTTGCAGAGGTGGCGTTTGCAGCATGAGAT"
substring = "GTTTGCAG"
def find_indexes(seq, sub):
return [(sub, i, len(sub)+i) for i in range(0, len(seq), 1) if seq[i:len(sub)+i] == sub]
print find_indexes(sequence, substring)
输出:
[('GTTTGCAG', 9, 17), ('GTTTGCAG', 24, 32)]
答案 1 :(得分:2)
使用re.finditer,您可以获取起始位置:
import re
seq = "blahblahblahLALALAblahblahLALA"
substring="LALA"
lenss=len(substring)
overlapsearch="(?=(\\"+substring+"))"
xx=[[x.start(),x.start()+lenss] for x in list(re.finditer(overlapsearch,seq))]
check=[seq[x[0]:x[1]] for x in xx]
print xx
print check
结果:
[[12, 16], [14, 18], [26, 30]]
['LALA', 'LALA', 'LALA']
结果使用原始示例:
[[9, 17], [24, 32]]
['GTTTGCAG', 'GTTTGCAG']
在子字符串搜索中添加“?=”告诉正则表达式,下一个匹配项可以使用上一个匹配项中的字符
答案 2 :(得分:0)
如果您不使用正则表达式,可以使用可选的start参数重复调用string.find()
。
例如:
sequence = "ATCCAAGGAGTTTGCAGAGGTGGCGTTTGCAGCATGAGAT"
substring="GTTTGCAG"
def find_endpoints(seq, sub):
off = 0
matches = []
while True:
idx = seq.find(substring, off)
if idx == -1: break
matches.append((idx, idx+len(sub)))
off = idx + 1
return matches
for (s,e) in find_endpoints(sequence, substring):
print(s, e, sequence[s:e])
输出:
(9, 17, 'GTTTGCAG')
(24, 32, 'GTTTGCAG')
注意:(s,e)
是子字符串的起始索引(包括)和结束索引(不包括)。