python - 模糊正则表达式(例如 {e<=2})在 Python 中的正确用法

Question

我试图找到与原始模式字符串“相差”最多两个错误的字符串(即它们最多相差两个字母)。

但是，下面的代码并没有像我预期的那样工作，至少从我对模糊正则表达式的理解来看是这样的:

import regex
res = regex.findall("(ATAGGAGAAGATGATGTATA){e<=2}", "ATAGAGCAAGATGATGTATA", overlapped=True)
print res
>> ['ATAGAGCAAGATGATGTATA']  # the second string

如您所见，两个字符串在三个字母上不同，而不是最多两个:

第一个有:ATAGGAGAAGATGATGTATA

第二个有:ATAGAGCAAGATGATGTATA

但结果显示第二个字符串，就好像它在 e<=2 内一样(这也发生在 overlapped=False 的情况下，所以不可能是这样)。

我在这里错过了什么？有没有办法让它只在给定模式的汉明 2 球内找到字符串？

是否有可能将字母交换视为仅一次更改？如果是这样 - 我怎样才能避免这种情况？

Answer 1

让我们检查一下这段代码的模糊计数:

>>> pattern_string = 'ATAGGAGAAGATGATGTATA'
>>> query_string = 'ATAGAGCAAGATGATGTATA'
>>> r = regex.compile('(%s){e<=2}' % pattern_string)
>>> r.match(query_string)
<regex.Match object; span=(0, 20), match='ATAGAGCAAGATGATGTATA', fuzzy_counts=(0, 1, 1)>

fuzzy_counts=(0, 1, 1) 表示在这种情况下，我们没有得到替换、1 次插入和 1 次删除。所以您的过滤器有效，因为错误总数为 2。

但似乎您只需要按替换计数进行过滤，因此您可以修改正则表达式:

import regex
res = regex.findall("(ATAGGAGAAGATGATGTATA){s<=2}", "ATAGAGCAAGATGATGTATA", overlapped=True)
print res

从 docs 查看这个很好的例子:

• {i<=3} 最多允许插入 3 次，但不允许其他类型
• {d<=3} 允许最多删除 3 个，但没有其他类型
• {s<=3} 最多允许 3 个替换，但没有其他类型
• {i<=1,s<=2} 最多允许 1插入和最多 2 个替换，但没有删除
• {e<=3} 允许最多 3 个错误

• {1<=e<=3} 允许至少 1 个和最多 3 个错误

• {i<=2,d<=2,e<=3} 允许最多 2 次插入，最多 2 次删除，在总共最多 3 个错误，但没有替换