python - 正则表达式:匹配重复序列

Question

我正在尝试构建一个正则表达式来匹配 2 个字符的重复 DNA 序列。这些字符可以相同。

正则表达式应至少匹配 2 个字符的重复序列 3 次，以下是一些示例:

正则表达式应该匹配:

• 阿塔塔特
• 加加加加
• CCCCCC

并且不应该匹配:

• ACAC
• ACGTACGT

到目前为止，我已经想出了以下正则表达式:

[ACGT]{2}

这会捕获恰好由两个字符(A、C、G 或 T)组成的任何序列。现在我想至少重复这个模式三次，所以我尝试了以下正则表达式:

[ACGT]{2}{3,}
([ACGT]{2}){3,}

不幸的是，第一个会引发“多次重复”错误(Python)，而第二个会简单地匹配包含 A、C、G 和 T 的 6 个字符的任何序列。

有人可以帮我解决这个正则表达式吗？提前致谢。

Answer 1

您也许可以使用反向引用。

([ATGC]{2})\1{2,}

\1 是指向第一个捕获组的反向引用，将是您捕获的内容。

regex101 demo