Question

我不熟悉正则表达式，并且正在查看一些在线资源以了解我想要做什么。基本上，我在Python中有一个正则表达式如下：

import re
pattern = re.compile(r'(?=(ATG(?:...)*?)(?=TAG|TGA|TAA))')

这应该找到所有以ATG开头并以TAG或TGA或TAA结尾的子字符串。我用它作为：

str = "ATGCCCTAG"
print pattern.findall(str)

但是，这会返回ATGCCC并删除尾随TAG，我希望它保留尾随TAG。如何更改它以给我完整的子字符串？

Answer 1

查找所有以ATG开头并以TAG或TGA或TAA结尾的子字符串

你需要一个

ATG(?:...)*?(?:TAG|TGA|TAA)

此正则表达式还确保在ATG和最后TAG，TGA或TAA之间有0个或更多3个符号（不包括换行符）序列

请参阅regex demo

Python demo：

import re
p = re.compile(r'ATG(?:...)*?(?:TAG|TGA|TAA)')
test_str = "FFG FFG ATGCCCTAG"
print (p.findall(test_str))

如果您需要找到非重叠的子字符串，这将有效。为了找到重叠的，技术是将其封装到一个捕获组中并置于一个非锚定的正向预测中：

r'(?=(ATG(?:...)*?(?:TAG|TGA|TAA)))'
  |  |                           ||
  |  | --- Capture group ------- ||   
  | -- Positive look-ahead ------ |

请参阅regex demo

Answer 2

你似乎不太了解前瞻是什么。前瞻是一个零宽度断言，意味着＆＃34;字符串中的当前位置后跟＆＃34; ，换句话说，它匹配任何内容，因为它＆＃39;只是一个测试。结果，在第二个前瞻中测试的内容，即使你把它放在里面也不会成为捕获组1的一部分。请注意，re.findall仅返回非空结果，因为它返回捕获组内容。

如果要将其包含在捕获组1中，请删除第二个预测并将结束放在捕获组中：

(?=(ATG(?:...)*?(?:TAG|TGA|TAA)))

将整个模式放在前瞻和捕获组中的兴趣是获得重叠结果。例如，ATGCCCATGCCCTAG将返回ATGCCCATGCCCTAG和ATGCCCTAG。

如果您将其删除，则只会获得ATGCCCATGCCCTAG

Answer 3

您可能希望使用更简单的正则表达式，而不是预测，即：

re.compile("ATG(?:...).*?(?:TAG|TGA|TAA)")

<强>样本：

https://regex101.com/r/qI4fV0/3

<强>说明

ATG(?:...).*?(?:TAG|TGA|TAA)

ATG matches the characters ATG literally (case sensitive)
(?:...) Non-capturing group
    . matches any character (except newline)
    . matches any character (except newline)
    . matches any character (except newline)
.*? matches any character (except newline)
    Quantifier: *? Between zero and unlimited times, as few times as possible, expanding as needed [lazy]
(?:TAG|TGA|TAA) Non-capturing group
    1st Alternative: TAG
        TAG matches the characters TAG literally (case sensitive)
    2nd Alternative: TGA
        TGA matches the characters TGA literally (case sensitive)
    3rd Alternative: TAA
        TAA matches the characters TAA literally (case sensitive)

获取与正则表达式模式匹配的完整子字符串

3 个答案: