Question

我在python中使用re.finditer（）方法遇到了一些问题。例如：

>>>sequence = 'atgaggagccccaagcttactcgatttaacgcccgcagcctcgccaaaccaccaaacacacca'
>>>[[m.start(),m.end()] for m in re.finditer(r'(?=gatttaacg)',sequence)]

out: [[22,22]]

如您所见，start()和end()方法的值相同。我之前注意到了这一点，最后使用的是m.start()+len(query_sequence)，而不是m.end()，但我很困惑为什么会发生这种情况。

Answer 1

regex模块支持与finditer重叠：

import regex
sequence = 'acaca'
print [[m.start(), m.end()] for m in regex.finditer(r'(aca)', sequence, overlapped=1)]
[0, 3], [2, 5]]

Answer 2

sequence = 'atgaggagccccaagcttactcgatttaacgcccgcagcctcgccaaaccaccaaacacacca'
print [[m.start(),m.end()] for m in re.finditer(r'(gatttaacg)',sequence)]

删除lookahead。它不捕获断言。

输出：[[22, 31]]

如果您必须使用lookahead使用

sequence = 'atgaggagccccaagcttactcgatttaacgcccgcagcctcgccaaaccaccaaacacacca'
print [[m.start(),m.start()+len("aca")] for m in re.finditer(r'(?=aca)',sequence)]

Answer 3

根据规定，您需要找到重叠匹配并需要前瞻。但是，您似乎知道您正在寻找的确切字符串。怎么样？

def find_overlapping(sequence, matchstr):
    for m in re.finditer('(?={})'.format(matchstr)):
        yield (m.start(), m.start() + len(matchstr))

或者，您可以使用第三方Python regex模块，如here所述。

Answer 4

如果子序列的长度不是先验的，那么您可以在前瞻中使用匹配的组并取其span：

[m.span(1) for m in re.finditer(r'(?=(gatttaacg))',sequence)] == [(22,31)]

E.g。找到所有重复的字符：

[m.span(1) for m in re.finditer(r'(?=(([acgt])\2+))',sequence)]

re.finditer（）为start和end方法返回相同的值

4 个答案: