python - 如何多次将特定序列与字符串分开？

Question

我有一个名为 protein 的字符串。它打印如下内容:KALSKJKDALIEUTSTARTALKSJDALK*KAJSLDKJSTARTJAISOIEWORUNCD*

我想要一个代码来搜索此字符串中的 START 和 * 并打印它们之间的字符，在本例中为字母。

例如:protein = STARTJSADHFJAS*KJSTARTAKSLJDIOQWIE*

打印 protein_filtered = [JSADHFJAS, AKSLJDIOQWIE]

到目前为止我已经有了这个，但这只会让我得到第一个蛋白质序列。另外，我不关心它是附加到列表还是字符串。

start_marker = 'START'
end_marker = '*'
start = protein.index(start_marker) + len(start_marker)
end = protein.index(end_marker, start + 1)
print protein[start:end]

Answer 1

START(.*?)\*

您可以通过 re 执行此操作。请参阅演示。

https://regex101.com/r/hE4jH0/41

import re
p = re.compile(ur'START(.*?)\*', re.MULTILINE)
test_str = u"STARTJSADHFJAS*KJSTARTAKSLJDIOQWIE*"

re.findall(p, test_str)

我们在这里通过在 .* 后附加 ? 来使用非贪婪正则表达式。这样正则表达式会在第一次出现时停止*。如果它是贪心的，它将到达最后一次出现的 *