python - 如何根据多个条件提取子串？

Question

我有数千个字符串按以下方式排列:

>String1 \(sub1|string1)
DIMMFIOYBVSYBE
EFMWUISCFIUBFMCIUOEFMIUIDEM

>String2 \(sub2|string2)
HVUYVMUYBOIIUMYTVU
SYOYVSCOUYCVUYVSUYVUSC

我想根据某些条件提取一些子串，这样应该提取下面的子串。子字符串将是:

String1:

DIM        X
M          X
FIOYBVS
YBEEFM
WUISC      X
FIUBFMC    X
IUOEFM
IUIDEM

String2:

HVUYVM
UYBOIIUM
YTVUS
YOYVSC      X
OUYCVUYVS   X
UYVUSC      X

条件是:

1. 子字符串应以 M 或 S 结尾
2. M 或 S 不应由 C
继承
3. 子串的长度应为≥4且≤8个字符

在上面的子字符串示例列表中，标记的 X 将不被考虑，因为它们不符合条件。

预期输出:

Name    Frequency    substrings
String1   4          FIOYBVS; YBEEFM; IUOEFM; IUIDEM
String2   3          HVUYVM; UYBOIIUM; YTVUS

我尝试使用提到的滑动窗口方法 here .它对我不起作用。任何帮助表示赞赏。

Answer 1

以下需要两遍，但满足您规定的条件:

import re

for name, string in (
    ('String1', 'DIMMFIOYBVSYBEEFMWUISCFIUBFMCIUOEFMIUIDEM'),
    ('String2', 'HVUYVMUYBOIIUMYTVUSYOYVSCOUYCVUYVSUYVUSC'),
    ):
    candidates = re.findall('[^MS]*[MS]C?', string)
    matches = [item for item in candidates
               if 4 <= len(item) <= 8 and not item.endswith('C')]
    print(f'{name}:    {len(matches)}    {"; ".join(matches)}')

输出:

String1:    4    FIOYBVS; YBEEFM; IUOEFM; IUIDEM
String2:    3    HVUYVM; UYBOIIUM; YTVUS