在Python中通过开始和结束字符串切片

Question

我有一个字符串，其中包含一些我需要提取的值。例如："FEFEWFSTARTFFFPENDDCDC"。我该如何写一个表达式，从"START"开始，一直到"END"结束，提取出这部分内容呢？

我之前尝试过创建一些函数，使用for循环和string.find("START")来找到开始和结束的位置，但这样做似乎不太有效，而且显得太复杂了。有没有更简单的方法，不用复杂的循环呢？

---

补充说明：

我忘了提这一点。如果有不同的结束值该怎么办？换句话说，不仅仅是以"END"结束，"DONE"和"NOMORE"也可以作为结束值？而且在这个字符串中，可能会有多个开始和结束的地方。例如："STARTFFEFFDONEFEWFSTARTFEFFENDDDW"。

补充2：示例运行：开始值：ATG。结束值：TAG、TAA、TGA

"Enter a string": TTATGTTTTAAGGATGGGGCGTTAGTT
TTT
GGGCGT

还有

"Enter a string": TGTGTGTATAT
"No string found"

Answer 1

在编程中，有时候我们会遇到一些问题，特别是在使用某些工具或库的时候。比如说，当你在写代码时，可能会发现某些功能没有按预期工作。这时候，你可能会去网上查找解决方案，比如在StackOverflow上提问或寻找答案。

在这些讨论中，大家会分享他们的经验和解决方案。有些人可能会提供代码示例，帮助你更好地理解如何解决问题。比如，他们可能会给出一些代码块，像

yourString = 'FEFEWFSTARTFFFPENDDCDC'
substring = yourString[yourString.find("START") + len("START") : yourString.find("END")]

，这些代码块通常是用来展示具体的实现方式或解决方案。

总之，编程过程中遇到问题是很正常的，利用社区的力量来寻找答案和学习是一个很好的方法。

Answer 2

简单的方法（不使用循环，也不使用正则表达式）：

s = "FEFEWFSTARTFFFPENDDCDC"
tmp = s[s.find("START") + len("START"):]
result = tmp[:tmp.find("END")]

Answer 3

a="FEFEWFSTARTFFFPENDDCDC"
a[a.find('START'):]


'STARTFFFPENDDCDC'

当然可以！请把你想要翻译的内容发给我，我会帮你用简单易懂的语言解释清楚。

Answer 4

虽然效率不是很高，但确实能用。

>>> s = "FEFEWFSTARTFFFPENDDCDC"
>>> s[s.index('START'):s.index('END')+len('END')]
'STARTFFFPEND'

Answer 5

这正好适合用正则表达式来处理：

>>> import re
>>> s = "FEFEWFSTARTFFFPENDDCDCSTARTDOINVOIJHSDFDONEDFOIER"
>>> re.findall("START.*?(?:END|DONE|NOMORE)", s)
['STARTFFFPEND', 'STARTDOINVOIJHSDFDONE']

.*可以匹配任意数量的字符（除了换行符），而后面的?让这个匹配变得“懒惰”，意思是尽量少匹配字符。否则的话，它只会匹配到一个结果，就是STARTFFFPENDDCDCSTARTDOINVOIJHSDFDONE。

正如@BurhanKhalid提到的，如果你添加一个捕获组，那么只有正则表达式中那个部分匹配到的子字符串会被捕获：

>>> re.findall("START(.*?)(?:END|DONE|NOMORE)", s)
['FFFP', 'DOINVOIJHSDF']

解释：

START    # Match "START"
(        # Match and capture in group number 1:
 .*?     # Any character, any number of times, as few as possible
)        # End of capturing group 1
(?:      # Start a non-capturing group that matches...
 END     # "END"
|        # or
 DONE    # "DONE"
|        # or
 NOMORE  # "NOMORE"
)        # End of non-capturing group

如果你真正的目标是匹配基因序列，你需要确保总是匹配三元组：

re.findall("ATG(?:.{3})*?(?:TA[AG]|TGA)", s)