Python RegEx重疊

Question

這個問題的標題可能不足以描述我正在嘗試解決的問題，所以希望我的示例能夠得到重點。我希望一個Python正則表達式是這個職位的合適的工具：

首先，我們lookig這些字符串中的任何一個：

• CATGTG
• CATTTG
• CACGTG

二，圖案爲：

• 串
• 6-7字母
• 串

例

• 匹配：CATGTGXXXXXXCACGTG
• 沒有匹配：CATGTGXXXCACGTG（因爲之間3個字母）

第三，當找到匹配項時，從前一匹配的結尾開始下一個搜索，包括在內。每場比賽的報告索引。

例：

• 輸入（空格爲可讀性）：XXX CATGTG XXXXXX CATTTG XXXXXXX CACGTG XXX

• 工作流（空格爲可讀性）：

  • 發現匹配： CATGTG XXXXXX CATTTG

  • 它啓動一個牛逼3

  • 在CATTTG

  • 位於C恢復搜索中找到匹配：CATTTG XXXXXXX CACGTG

  • 它開始於15

等等...

經過幾個小時的修補後，我的抱歉嘗試沒有產生我所期望的：

regex = re.compile("CATGTG|CATTTG|CACGTG(?=.{6,7})CATGTG|CATTTG|CACGTG") 
for m in regex.finditer('ATTCATGTG123456CATTTGCCG'): 
    print(m.start(), m.group()) 

3 CATGTG 
15 CATTTG (incorrect) 

如果您可以通過RegEx瞭解這一點，那麼您就是一位天才。謝謝：d

Answer 1

可以使用這種模式：

import re 

s='XXXCATGTGXXXXXXCATTTGXXXXXXXCACGTGXXX' 

regex = re.compile(r'(?=(((?:CATGTG|CATTTG|CACGTG).{6,7}?)(?:CATGTG|CATTTG|CACGTG)))\2') 

for m in regex.finditer(s): 
    print(m.start(), m.group(1)) 

的想法是把整個字符串先行內，使用反向引用消耗你不想之後測試字符。

第一個捕獲組包含整個序列，第二個包含所有字符，直到下一個開始位置。

請注意，您可以將(?:CATGTG|CATTTG|CACGTG)更改爲CA(?:TGTG|TTTG|CGTG)以改善模式。

Answer 2

主要問題是，爲了使用|字符，您需要將括號內的選項括起來。

從你的例子假設你只想要第一匹配的字符串，請嘗試以下操作：

regex = re.compile("(CATGTG|CATTTG|CACGTG).{6,7}(?:CATGTG|CATTTG|CACGTG)") 
for m in regex.finditer('ATTCATGTG123456CATTTGCCG'): 
    print(m.start(), m.group(1)) 

注意.group(1)，這將只匹配什麼是在第一組括號，而不是.group()這將返回整場比賽。