Python re.finditer（）为start和end方法返回相同的值

python中的re.finditer（）方法有问题。例如：

>>>sequence = 'atgaggagccccaagcttactcgatttaacgcccgcagcctcgccaaaccaccaaacacacca'
>>>[[m.start(),m.end()] for m in re.finditer(r'(?=gatttaacg)',sequence)]

out: [[22,22]]

如您所见，

start（）

和

end（）

方法给出了相同的值。我以前已经注意到了这一点，只是使用了

m.start（）+len（query\u sequence）

，而不是

m.end（）

，但我很困惑为什么会发生这种情况

sequence = 'atgaggagccccaagcttactcgatttaacgcccgcagcctcgccaaaccaccaaacacacca'
print [[m.start(),m.end()] for m in re.finditer(r'(gatttaacg)',sequence)]

删除

lookahead

。它不仅捕获断言

输出：

[[22,31]]

如果必须使用

lookahead

使用

sequence = 'atgaggagccccaagcttactcgatttaacgcccgcagcctcgccaaaccaccaaacacacca'
print [[m.start(),m.start()+len("aca")] for m in re.finditer(r'(?=aca)',sequence)]

---

按照规定，您需要查找重叠的匹配项，并需要进行前瞻。但是，您似乎知道要查找的确切字符串。这个怎么样

def find_overlapping(sequence, matchstr):
    for m in re.finditer('(?={})'.format(matchstr)):
        yield (m.start(), m.start() + len(matchstr))

或者，您可以使用第三方Python模块，如前所述。

该模块支持与FindItemer重叠：

import regex
sequence = 'acaca'
print [[m.start(), m.end()] for m in regex.finditer(r'(aca)', sequence, overlapped=1)]
[0, 3], [2, 5]]

---

如果子序列的长度事先未知，则可以在“向前看”中使用匹配组并获取其：

例如，要查找所有重复字符：

[m.span(1) for m in re.finditer(r'(?=(([acgt])\2+))',sequence)]

---

为什么要使用前瞻？我使用前瞻是因为我想要重叠的匹配。例如，如果我正在搜索aca，我希望acaca计算为2次而不是1次。好吧，你知道请求序列的长度，那么为什么你甚至需要

m.end（）

？好吧，那么删除前瞻是行不通的，只需将长度添加到开始是你唯一的选择前瞻不是匹配的一部分。匹配从位置22开始和结束，即使它是匹配的事实取决于之后的字符。澄清：这意味着当

re.finditer

匹配

gatttaacg

时，实际值不会被消耗。它只会到达那个位置并说“是的，在这个位置前面的是请求的字符串”如果您使用的是lookaheads函数，则该函数基本上毫无价值？@lstbl

lookaheads

不使用任何字符串。它们只是在一个位置后检查一个字符串。因此，您可以启动该函数，但正则表达式引擎仍然存在，因为在该函数运行后没有使用任何字符串。这是我最初使用的。我仍然有点困惑，为什么正则表达式引擎不能成功地确定匹配的长度（例如，如果正则表达式匹配的长度不是先验的，就像我的例子一样），因为它仍然能够确定是否有匹配。@lstbl，它可以

m.start（）

和

m.end（）

表示组0的跨度，该跨度为空。所以你只是误解了API。很好的答案。这是有道理的。@lstbl：注意，这个答案中的

regex

模块与您正在使用的标准库

re

模块完全不同。我没有注意到that@lstbl您需要通过

pip

或其他方式安装

regex

模块，这样您就可以开始了

[m.span(1) for m in re.finditer(r'(?=(([acgt])\2+))',sequence)]