- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我需要知道下一个正则表达式匹配的开始和结束索引:
pat = re.compile("(?=(ATG(?:(?!TAA|TGA|TAG)\w\w\w)*))")
示例字符串是 s='GATGDTATGDTAAAA'
pat.findall(s)
返回所需的匹配项 ['ATGDTATGD', 'ATGDTAAAA']
。如何提取开始和结束索引?我试过:
iters = pat.finditer(s)
for it in iters:
print it.start()
print it.end()
但是,it.end()
总是与 it.start()
重合,因为我的模式开始于 (?=
所以它不消耗任何字符串(我需要它来捕获重叠匹配项)。显然 pat.findall
提取了所需的字符串,但是如何获取开始和停止索引?
最佳答案
正如@Tomalak 所说,正则表达式引擎没有重叠匹配的内置概念,因此找不到“聪明”的解决方案(事实证明这是错误的 - 见下文)。但是用循环来做很简单:
import re
pat = re.compile("ATG(?:(?!TAA|TGA|TAG)\w\w\w)*")
s = 'GATGDTATGDTAAAA'
i = 0
while True:
m = pat.search(s, i)
if m:
start, end = m.span()
print "match at {}:{} {!r}".format(start, end, m.group())
i = start + 1
else:
break
显示
match at 1:10 'ATGDTATGD'
match at 6:15 'ATGDTAAAA'
它的工作原理是在最后一个匹配项开始后的一个字符后重新开始搜索,直到找不到更多匹配项。
如果您想过危险的生活,可以对原始 finditer
代码进行两个字符的更改:
print it.start(1)
print it.end(1)
即获取第一个(1
)捕获组的开始和结束。通过不传递参数,您将获得匹配的开始和结束作为一个整体 - 但当然匹配断言总是匹配空字符串(因此开始和结束是相等的)。
我说这是危险的,因为断言内部的捕获组的语义(无论是先行还是后行,正面或负面,......)充其量是模糊的。很难说您是否在这里偶然发现了错误(或实现事故)!可爱:-)
编辑:经过一夜的 sleep 和对 Python-Dev 的简短讨论后,我相信这种行为是故意的(而且也非常可靠)。要找到正则表达式 R 的所有(可能重叠!)匹配项,请像这样包装它:
pat = re.compile("(?=(" + R + "))")
然后
for m in pat.finditer(some_string):
m.group(1) # the matched substring
m.span(1) # the slice indices of the match substring
# etc
工作正常。
最好将 (?=(R))
理解为“在此处匹配一个空字符串,但前提是 R
从此处开始,如果成功,将关于什么 R
匹配到第 1 组的信息”。然后 finditer()
像匹配空字符串时一样继续进行:它将搜索的开始移动到下一个字符,然后再次尝试(与我的第一个答案中的手动循环相同做了)。
将它与 findall()
一起使用会更棘手,因为如果 R
也包含捕获组,您将获得所有捕获组(不能选择,因为您可以使用匹配对象,例如 finditer()
返回)。
关于python - 获取重叠匹配的开始和停止索引?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19993637/
我需要您在以下方面提供帮助。近一个月来,我一直在阅读有关任务和异步的内容。 我想尝试在一个简单的 wep api 项目中实现我新获得的知识。我有以下方法,并且它们都按预期工作: public Htt
我的可执行 jar 中有一个模板文件 (.xls)。不需要在运行时我需要为这个文件创建 100 多个副本(稍后将唯一地附加)。用于获取 jar 文件中的资源 (template.xls)。我正在使用
我在查看网站的模型代码时对原型(prototype)有疑问。我知道这对 Javascript 中的继承很有用。 在这个例子中... define([], function () { "use
影响我性能的前三项操作是: 获取滚动条 获取偏移高度 Ext.getStyle 为了解释我的应用程序中发生了什么:我有一个网格,其中有一列在每个单元格中呈现网格。当我几乎对网格的内容做任何事情时,它运
我正在使用以下函数来获取 URL 参数。 function gup(name, url) { name = name.replace(/[\[]/, '\\\[').replace(/[\]]/,
我最近一直在使用 sysctl 来做很多事情,现在我使用 HW_MACHINE_ARCH 变量。我正在使用以下代码。请注意,当我尝试获取其他变量 HW_MACHINE 时,此代码可以完美运行。我还认为
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 关闭 9 年前。 要求提供代码的问题必须表现出对所解决问题的最低限度的理解。包括尝试过的解决方案、为什么
由于使用 main-bower-files 作为使用 Gulp 的编译任务的一部分,我无法使用 node_modules 中的 webpack 来require 模块code> dir 因为我会弄乱当
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭 5 年前。 Improve this qu
我使用 Gridlayout 在一行中放置 4 个元素。首先,我有一个 JPanel,一切正常。对于行数变大并且我必须能够向下滚动的情况,我对其进行了一些更改。现在我的 JPanel 上添加了一个 J
由于以下原因,我想将 VolumeId 的值保存在变量中: #!/usr/bin/env python import boto3 import json import argparse import
我正在将 MSAL 版本 1.x 更新为 MSAL-browser 的 Angular 。所以我正在尝试从版本 1.x 迁移到 2.X.I 能够成功替换代码并且工作正常。但是我遇到了 acquireT
我知道有很多关于此的问题,例如 Getting daily averages with pandas和 How get monthly mean in pandas using groupby但我遇到
This is the query string that I am receiving in URL. Output url: /demo/analysis/test?startDate=Sat+
我正在尝试使用 javascript 中的以下代码访问 Geoserver 层 var gkvrtWmsSource =new ol.source.ImageWMS({ u
API 需要一个包含授权代码的 header 。这就是我到目前为止所拥有的: var fullUrl = 'https://api.ecobee.com/1/thermostat?json=\{"s
如何获取文件中的最后一个字符,如果是某个字符,则删除它而不将整个文件加载到内存中? 这就是我目前所拥有的。 using (var fileStream = new FileStream("file.t
我是这个社区的新手,想出了我的第一个问题。 我正在使用 JSP,我成功地创建了 JSP-Sites,它正在使用jsp:setParameter 和 jsp:getParameter 具有单个字符串。
在回答 StoreStore reordering happens when compiling C++ for x86 @Peter Cordes 写过 For Acquire/Release se
我有一个函数,我们将其命名为 X1,它返回变量 Y。该函数在操作 .on("focusout", X1) 中使用。如何获取变量Y?执行.on后X1的结果? 最佳答案 您可以更改 Y 的范围以使其位于函
我是一名优秀的程序员,十分优秀!