为什么我找不到所有与 python 正则表达式匹配的模式？

Question

这个问题看起来很简单，但我不明白为什么我没有得到所有匹配项。我正在处理的字符串是“c.1292_1294​​delTTCinsA”。我想使用嵌套组提取四种模式：“del”、“delTTC”、“ins”和“insA”。我尝试了 re.match、re.findall 和 re.finditer，但没有成功。这是我的代码：

    >>> s = 'c.1292_1294delTTCinsA'
    >>> m = re.findall(r'c\.\d+_\d+((del|ins)[AGCT]+)', s)
    >>> m
    [('delTTC', 'del')]

如果我在末尾添加“+”运算符，我会得到另外两个预期的匹配项：

    >>> m = re.findall(r'c\.\d+_\d+((del|ins)[AGCT]+)+', s)
    >>> m
    [('insA', 'ins')]

谁能告诉我我做错了什么？除非我遗漏了什么，否则这两种模式不会重叠。

提前致谢！

Answer 1

您的正则表达式要求该组直接以c\.\d+_\d+ 开头。您的字符串的“ins”部分不直接以该材料开头（它以“delTTC”开头）。当您添加额外的+ 时，您允许此类组的序列，因此它会找到 del 组，然后是 ins 组，但稍后会重复该组“覆盖”较早的组，因此只有最后一个（“ins " 部分) 被返回。

你真的需要匹配字符串的开头部分吗？你可以让你的正则表达式((del|ins)[AGCT]+) 它会找到所有四个部分。