搜索FASTA格式的序列

Question

我试图在FASTA格式的DNA序列中寻找多个特定序列，然后将它们打印出来。为简单起见，我制作了一个简短的字符串序列来显示我的问题。

import re
seq = "QPPLSK"
find_in_seq = re.search(r"[^P](P|K|R|H|W)", seq)
print find_in_seq.string[find_in_seq.start():find_in_seq.end()]

当有2个匹配“QP”和“SK”时，我只得到一个匹配“QP”的输出。如何显示2场比赛而不是仅显示第一场比赛？

由于

Answer 1

使用re.findall并更改正则表达式，以便不再有捕获组 - [^P](?:P|K|R|H|W)或[^P][PKRHW]：

import re
seq = "QPPLSK"
find_in_seq = re.findall(r"[^P][PKRHW]", str(seq))
print(find_in_seq)

请参阅Python demo

请注意，如果您想匹配P以外的任何字母，最好使用[A-OQ-Z]。