正则表达式：捕获侧面字符

Question

我正在尝试使用python中的re包匹配字符串QGYGQGYQQG中的所有GY或YG组合。我将所有这些匹配项都放在一个dict中，以便将来查找

我遇到的问题是当Y两边都是G时：基本上，我的正则表达式不能在GYG中同时捕获GY和{}

这是我目前的代码：

import re
seq = 'QYGQGYGQQG'
regex = re.compile('(GY|YG)|(?<=Y)G')
iterator = regex.finditer(seq)
dd = {}
for matchedobj in iterator: 
    dd[matchedobj.group()] = dd.get(matchedobj.group(), []) + [matchedobj.start()]

输出：

{'G': [6], 'GY': [4], 'YG': [1]}

Answer 1

您可以使用较新的regex模块（或使用lookarounds）：

import regex as re
seq = 'QYGQGYGQQG'

matches = re.findall(r'GY|YG', seq, overlapped=True)
print(matches)
# ['YG', 'GY', 'YG']

或-带re.finditer：

for m in re.finditer(r'GY|YG', seq, overlapped=True):
    print(m.span())

这将产生

(1, 3)
(4, 6)
(5, 7)

Answer 2

以下是一个您可以使用的解决方案，它不依赖于重叠匹配：

seq = 'QYGQGYGQQG'
matches = re.findall('G(?=Y)|Y(?=G)', seq)
print([re.sub(r'^Y', 'YG', x.replace('G', 'GY')) for x in matches])

这张照片是：

['YG', 'GY', 'YG']

这里的诀窍是只匹配G和Y，使用前向断言接下来的内容是进行完全匹配所需的Y或G。这避免了使用第二个字母的问题，第二个字母也可能是另一个后续匹配的第一个字母。然后，我们采用表示完整匹配的单字母匹配，并使用列表理解来构建原始重叠匹配