匹配并索引所有子字符串，包括重叠的子字符串

Question

我尝试使用new regex findall索引匹配项，以便可以考虑重叠的匹配项。但是，我只能找到匹配项，但不能正确地给出它们的位置。在

我的代码：

import regex as re
seq = "ATCCAAGGAGTTTGCAGAGGTGGCGTTTGCAGCATGAGAT"
substring="GTTTGCAG"
xx=re.findall(substring,seq,overlapped=True)
print xx

xx看起来像

^{pr2}$

因为在10-17和25-32位置有两场比赛。在

但是我怎样才能得到这些号码？通过检查dir（xx），在这个新函数中没有start/end/pos可以使用。（我试过了二十、索引（子字符串），但这似乎只给出结果列表的索引：例如，在本例中是0和1）

谢谢。在

Answer 1

使用芬代尔，您可以获得起始位置：

import re
seq = "blahblahblahLALALAblahblahLALA"
substring="LALA"
lenss=len(substring)
overlapsearch="(?=(\\"+substring+"))"
xx=[[x.start(),x.start()+lenss] for x in list(re.finditer(overlapsearch,seq))]
check=[seq[x[0]:x[1]] for x in xx]
print xx
print check

结果：

^{pr2}$

以及使用原始示例得到的结果：

[[9, 17], [24, 32]]
['GTTTGCAG', 'GTTTGCAG']

添加“？=“to substring search告诉regex下一个匹配项可以使用上一个匹配项中的字符

Answer 2

如果不使用正则表达式，可以使用可选的start参数反复调用^{}。在

例如：

sequence = "ATCCAAGGAGTTTGCAGAGGTGGCGTTTGCAGCATGAGAT"
substring="GTTTGCAG"

def find_endpoints(seq, sub):
    off = 0
    matches = []
    while True:
        idx = seq.find(substring, off)
        if idx == -1: break
        matches.append((idx, idx+len(sub)))
        off = idx + 1
    return matches

for (s,e) in find_endpoints(sequence, substring):
    print(s, e, sequence[s:e])

输出：

^{pr2}$

注意：(s,e)是子字符串的开始索引（包括索引）和结束索引（不包括索引）。在

Answer 3

对长度相等的子串进行迭代，并与我们的模式进行比较。如果它们是相同的，它会记住字符串中的起始和结束索引。简单的列表理解。在

sequence = "ATCCAAGGAGTTTGCAGAGGTGGCGTTTGCAGCATGAGAT"
substring = "GTTTGCAG"

def find_indexes(seq, sub):
    return [(sub, i, len(sub)+i) for i in range(0, len(seq), 1) if seq[i:len(sub)+i] == sub]

print find_indexes(sequence, substring)

输出：

^{pr2}$