python - 获取与正则表达式模式匹配的完整子字符串

Question

我不擅长正则表达式，正在寻找一些在线资源来了解我想做的事情。所以基本上，我在 Python 中有一个正则表达式，如下所示:

import re
pattern = re.compile(r'(?=(ATG(?:...)*?)(?=TAG|TGA|TAA))')

这应该找到所有以 ATG 开头并以 TAG 或 TGA 或 TAA 结尾的子字符串。我将其用作:

str = "ATGCCCTAG"
print pattern.findall(str)

但是，这会返回 ATGCCC 并删除尾随的 TAG，我希望它保留尾随的 TAG。我如何更改它以提供完整的子字符串？

Answer 1

To find all sub strings which begin with ATG and end in TAG or TGA or TAA

你需要一个

ATG(?:...)*?(?:TAG|TGA|TAA)

这个正则表达式还确保在 ATG 和最后一个 TAG 之间有 0 个或多个 3 符号(不包括换行符)序列，TGA 或 TAA。

参见 regex demo

Python demo :

import re
p = re.compile(r'ATG(?:...)*?(?:TAG|TGA|TAA)')
test_str = "FFG FFG ATGCCCTAG"
print (p.findall(test_str))

如果您需要查找非重叠 子字符串，这将起作用。要找到重叠的，技术是将其封装到一个捕获组中，并放置在一个 unanchored 积极前瞻中:

r'(?=(ATG(?:...)*?(?:TAG|TGA|TAA)))'
  |  |                           ||
  |  | --- Capture group ------- ||   
  | -- Positive look-ahead ------ |

参见 regex demo