为什么是关于芬德尔方法在python中返回错误的结果？

Question

我试过下面这样的代码。在

re.findall(r'(\d{2}){2}', 'shs111111111')

我想得到的结果是

^{pr2}$

但结果是

['11', '11']

---

编辑：

我在这个例子中犯了一些错误，我真正需要的是找到所有重复的子串。在

像这样：

re.findall(r'([actg]{2,}){2,}', 'aaaaaaaccccctttttttttt')

我喜欢的结果是['aaaaaaa'，'ccccccc'，'tttttttt']

但我得到了['aa'、'cc'、'tt']

有什么问题，我该怎么做？在

Answer 1

re.findall返回所有组。所以使用

re.findall(r'(?:\d{2}){2}', 'shs111111111')

只需使组non capturing。在

相关文件摘录：

Return all non-overlapping matches of pattern in string, as a list of strings. The string is scanned left-to-right, and matches are returned in the order found. If one or more groups are present in the pattern, return a list of groups; this will be a list of tuples if the pattern has more than one group. Empty matches are included in the result unless they touch the beginning of another match.

^{pr2}$

用这个和

x="aaaaaaaccccctttttttttt"
print [i[0] for i in re.findall(r'(([acgt])\2+)', 'aaaaaaaccccctttttttttt')]

Answer 2

我相信你需要这个正则表达式：

>>> print re.findall(r'(?:\d{2}){2,}', 'shs111111111');
['11111111']

---

编辑：根据编辑的问题，您可以使用：

^{pr2}$

从每对中抓取一组。在

使用finditer：

>>> arr=[]
>>> for match in re.finditer(r'(([actg\d])\2+)', 'aaaaaaaccccctttttttttt') :
...     arr.append( match.groups()[0] )
...
>>> print arr
['aaaaaaa', 'ccccc', 'tttttttttt']

Answer 3

您无法获得纯['aaaaaaa', 'ccccc', 'tttttttttt']，因为您需要一个捕获组来使用back引用检查重复性。这里，您有一个名为group letter的regex，它将包含a，或{}等，然后使用(?P=letter)+)反向引用来匹配所有的组重复。在

((?P<letter>[a-zA-Z])(?P=letter)+)

您只能将此正则表达式与@anubhava的帖子中描述的finditer一起使用。在