通过python中的正则表达式在字符串中多次搜索模式

Question

当使用正则表达式 .search() 时，我发现它只匹配字符串中第一次出现的模式，并且需要在字符串 .findall() 中找到该模式的所有重复。

所以，我的问题是：给出两个相互“对话”的不同字符串，我需要在字符串中找到特定模式的每次出现，然后获取该模式的位置并从中获取该位置的元素第一个字符串，然后打印它们或保存在新列表中。

为了更清楚，我将提供一个示例：

ACGCUGAGAGGACGAUGCGGACGUGCUUAGGACGUUCACACGGUGGAAGUUCACAACAAGCAGACGACUCGCUGAGGAUCCGAGAUUGCUCGCGAUCGG

...((.((....(((..((....(((((.((((.(((((...))))).)))).....)))))..))..))))).))((((((((....)))).))))..

这是两个字符串，第一个是字母，第二个是点和括号。我想找到的由正则表达式编译的模式是“（（。+））”。一旦在第二个字符串上找到模式，然后获取模式的位置并返回第一个字符串的相关元素。有了这些输入，我希望有 2 个不同的输出：CACGG 和 GAUUGC。

到目前为止我写的代码是这样的：文件中的行：

 if (line[0] == "A") or (line[0] == "C") or (line[0] == "T") or (line[0] == "G"): 
    apt.append(line) 
    count = count + 1 
 else: 
    line = line.strip() 
    pattern = "(\(\.+\))" 
    match = re.search(pattern, line) 
    if match: 
       loop.append(apt[count][match.start():match.end()]) 
    else: 
       continue

这显然只检索文件第二行中出现的模式的第一个匹配项，只给出 CACGG 作为输出。

如何修改代码以检索模式的第二次出现？

谢谢，感谢您的帮助

Answer 1

如果您不介意使用re.finditer：

>>> import re

>>> str1 = "ACGCUGAGAGGACGAUGCGGACGUGCUUAGGACGUUCACACGGUGGAAGUUCACAACAAGCAGACGACUCGCUGAGGAUCCGAGAUUGCUCGCGAUCGG"
>>> str2 = "...((.((....(((..((....(((((.((((.(((((...))))).)))).....)))))..))..))))).))((((((((....)))).)))).."

>>> pat = re.compile(r"\([^()]+\)")

>>> for m in pat.finditer(str2):
...     print '%02d-%02d: %s' % (m.start(), m.end(), m.group())
...     print str1[m.start():m.end()]

38-43: (...)
CACGG
83-89: (....)
GAUUGC

ideone demo

正则表达式\([^()]+\) 获取括号中的部分，其中没有更多括号。 [^()] 是一个不匹配任何括号的否定类。

顺便说一句，您也可以使用该模式：\(\.+\)。

---

在你的情况下，它可能是这样的：

if (line[0] == "A") or (line[0] == "C") or (line[0] == "T") or (line[0] == "G"): 
    apt.append(line) 
    count = count + 1 
else: 
    line = line.strip() 
    pattern = r"\(\.+\)" 
    for match in pattern.finditer(line):
        loop.append(apt[count][match.start():match.end()])

如果在读取文件之前编译模式会更快。

我无法测试此代码，但请记住，找到的每个部分都将附加到 loop。