正则表达式：捕获侧面字符[重复]答案

【问题标题】：Regex: Capturing flanked characters [duplicate]正则表达式：捕获侧面字符[重复]
【发布时间】：2020-08-08 04:18:14
【问题描述】：

我正在尝试使用 python 中的 re 包匹配我的字符串 QGYGQGYQQG 中的所有 GY 或 YG 组合。我将所有这些匹配项放在一个字典中以供将来查找。

我遇到的问题是当Y 两侧有G 时：基本上我的正则表达式无法正确捕获GY 和 GYG 中的YG。

这是我目前的代码：

import re
seq = 'QYGQGYGQQG'
regex = re.compile('(GY|YG)|(?<=Y)G')
iterator = regex.finditer(seq)
dd = {}
for matchedobj in iterator: 
    dd[matchedobj.group()] = dd.get(matchedobj.group(), []) + [matchedobj.start()]

输出：

{'G': [6], 'GY': [4], 'YG': [1]}

【问题讨论】：

较新的regex 模块支持重叠匹配。
只需将 (?=(YG|GY)) 与 findall 一起使用
请参阅 this 以获取同样为您提供索引的 finditer 替代方案
感谢所有提示！我不知道“重叠匹配”是一回事..

标签： python regex string search

【解决方案1】：

您可以使用较新的 regex 模块（或使用环视）：

import regex as re
seq = 'QYGQGYGQQG'

matches = re.findall(r'GY|YG', seq, overlapped=True)
print(matches)
# ['YG', 'GY', 'YG']

或者 - re.finditer:

for m in re.finditer(r'GY|YG', seq, overlapped=True):
    print(m.span())

这会产生

(1, 3)
(4, 6)
(5, 7)

【讨论】：

【解决方案2】：

这是您可以使用的不依赖于重叠匹配的解决方案：

seq = 'QYGQGYGQQG'
matches = re.findall('G(?=Y)|Y(?=G)', seq)
print([re.sub(r'^Y', 'YG', x.replace('G', 'GY')) for x in matches])

打印出来：

['YG', 'GY', 'YG']

这里的技巧是只匹配G 和Y，使用前瞻来断言接下来是预期的Y 或G 需要进行完全匹配。这避免了消耗第二个字母的问题，该字母也可能是另一个后续匹配的第一个字母。然后，我们获取那些代表完整匹配的单字母匹配，并使用列表推导来构建原始的重叠匹配。

【讨论】：