在Python中查找下一个10个字符内的不同字符串重复项

Question

我正在处理一个问题，需要在找到一个初始字符串后，找出各种字符串的重复情况。比如我们取字符串 ACTGAC，那么数据文件中的序列可能是这样的：

AAACTGACACCATCGATCAGAACCTGA

在这个字符串中，一旦找到 ACTGAC，我需要分析接下来的10个字符，看看里面有没有重复的字符串，这些重复是有一些规则的。我已经把规则写好了，但有人能告诉我，一旦找到我需要的字符串后，怎么提取接下来的十个字符来分析吗？我知道 str.partition 函数可以做到这一点，找到字符串后，再用 [1:10] 就能获取接下来的十个字符。

谢谢！

Answer 1

根据marcog在Python中查找子字符串的所有出现中的回答，我提出了以下内容：

>>> import re
>>> data = 'AAACTGACACCATCGATCAGAACCTGAACTGACTGACAAA'
>>> sep = 'ACTGAC'
>>> [data[m.start()+len(sep):][:10] for m in re.finditer('(?=%s)'%sep, data)]
['ACCATCGATC', 'TGACAAA', 'AAA']

Answer 2

你几乎已经搞定了（不过要注意，在Python中，索引是从零开始计数的）。

partition方法会根据第一次出现的separator把一个字符串分成head, separator, tail三部分。

所以你只需要从tail中取出前十个字符就可以了：

>>> data = 'AAACTGACACCATCGATCAGAACCTGA'
>>> head, sep, tail = data.partition('ACTGAC')
>>> tail[:10]
'ACCATCGATC'

在Python中，你可以在切片时省略起始索引（默认是零，也就是字符串的开头），也可以省略结束索引（默认是字符串的长度）。

值得注意的是，你也可以把整个操作写成一行，像这样：

>>> data.partition('ACTGAC')[2][:10]
'ACCATCGATC'