在Python中如何用regex区分重叠的字符串？

Question

我想找出一个序列中所有四个字母的字符串。第一个字母是“N”，第二个不是“P”，第三个是“S”或“T”，最后一个不是“P”。你知道吗

这是我的密码：

import re
seq='NNSTQ'
glyco=re.findall('N[^P][S|T][^P]',seq)
print glyco

结果是：

['NNST']

但是，预期产出应为：

['NNST','NSTQ']

我认为问题是这两个弦的部分重叠了，而且关于芬德尔（）跳过第二个。我能做些什么来解决它？你知道吗

Answer 1

findall()不返回重叠的匹配，但是没有什么可以阻止您显式搜索它们，例如：

def myfindall(p, s):
 found = []
 i = 0
 while True:
  r = re.search(p, s[i:])
  if r is None:
   break
  found.append(r.group())
  i += r.start()+1
 return found

seq='NNSTQ'
glyco=myfindall('N[^P][ST][^P]', seq)

Answer 2

您应该改用(?=...)（lookahead断言），因为只有findall匹配项才使用字符串部分一次，means忽略重叠：

import re
seq='NNSTQ'
glyco=re.findall('(?=(N[^P][S|T][^P]))',seq)
print (glyco) 
# prints ['NNST','NSTQ']

这将匹配所有内容，即使它重叠。正如doc所述：

(?=...)

Matches if ... matches next, but doesn’t consume any of the string. This is called a lookahead assertion. For example, Isaac (?=Asimov) will match 'Isaac ' only if it’s followed by 'Asimov'.

您还可以查看此项以了解更多信息：

http://regular-expressions.mobi/lookaround.html?wlr=1