用于查找所有匹配项的 python 正则表达式

Question

我有一个序列

seq = 'CCGATGACCTCACAGCCGCCTCCTGCCTTGAGGAAAGGAACTGCAATTCC'

我尝试获取长度为 23bp 且以 NGG 结尾的序列，其中 N = A 或 C 或 T 或 G`

我使用 p = re.compile('([ACGT]{21}GG)') 当我说

for m in p.finditer(seq):
      print m.group()

我只得到CACAGCCGCCCTCCTGCCTTGAGG。

但显然 CCGCCTCCTGCCTTGAGGAAAGG 也匹配。为什么不报道？

Answer 1

将您的正则表达式放在前瞻断言中，以便进行重叠匹配。您的正则表达式无法匹配这两个字符串，因为一个匹配项包含另一个匹配项。默认情况下，正则表达式不会进行重叠匹配。您需要将模式放在环顾四周，以便捕获重叠的匹配项。

(?=([ACGT]{21}GG))

代码:

>>> seq = 'CCGATGACCTCACAGCCGCCTCCTGCCTTGAGGAAAGGAACTGCAATTCC'
>>> p = re.compile(r'(?=([ACGT]{21}GG))')
>>> for m in p.finditer(seq):
        print m.group(1)


CACAGCCGCCTCCTGCCTTGAGG
CCGCCTCCTGCCTTGAGGAAAGG

查看 this 右侧的截图演示。