java - 正则表达式以 "ATG"开头，以 "TAG, TAA orTGA"结尾，但中间不包含 "ATG"和 "TAG, TAA or TGA"

Question

我正在字符串中搜索以 ATG 开头、以 TAG、TAA 或 TGA 结尾且长度 = 3 的倍数的模式。ATG 和 TAG、TAA 或 TGA 只能分别出现在开头或结尾。这意味着:

从ATGTTGTGATGT提取ATGTTTGTGA

从ATGATGTTGTGATGT提取ATGTTGTGA

目前我正在使用正则表达式 (ATG)([ATG]{3})+?(TAG|TAA|TGA)。

对于ATGATGTTGTGATGT，这给我带来了错误的结果ATGATGTTGTGA。我试过:

(^ATG)(!?=.*ATG)([ATG]{3})+?(TAG|TAA|TGA)
(^ATG)(!?=(ATG)+)([ATG]{3})+?(TAG|TAA|TGA)

如何告诉它在开始时只包含 ATG 一次，之后不再包含？

Answer 1

您可以使用

ATG(?:(?!ATG)[ATG]{3})*?(?:TAG|TAA|TGA)

请参阅regex demo

详细信息

• ATG - ATG 子字符串
• (?:(?!ATG)[ATG]{3})*? - a tempered greedy token匹配 [ATG] 字符集中不等于 ATG 的任意 3 个字符序列(受 negative lookahead (?!ATG) 限制) )
• (?:TAG|TAA|TGA) - non-capturing group 中定义的三个替代方案之一:TAG、TAA 或 TGA。

Java demo :

String rx = "ATG(?:(?!ATG)[ATG]{3})*?(?:TAG|TAA|TGA)";
String s = "ATGTTGTGATGT, ATGATGTTGTGATGT, ATGATGTTGTGATGT";
Pattern pattern = Pattern.compile(rx);
Matcher matcher = pattern.matcher(s);
while (matcher.find()) {
        System.out.println(matcher.group(0));
}

结果:

ATGTTGTGA
ATGTTGTGA
ATGTTGTGA