Python正则表达式重叠

这个问题的标题可能不足以描述我试图解决的问题，所以希望我的例子能说明问题的要点。我希望Python正则表达式是适合这项工作的工具：

首先，我们要查找这些字符串中的任何一个：

• CATGTG
• 卡特格
• CACGTG

其次，模式是：

• 串
• 6-7封信
• 串

范例

• 匹配：CATGTGXXXXXCACGTG
• 不匹配：CATGTGXXXCACGTG（因为三个字母之间）

第三个，当找到匹配项时，从上一个匹配项的末尾开始下一次搜索，包括上一个匹配项。报告每个匹配的索引

示例：

• 输入（可读性空格）：XXX CATGTG XXXXXX CATTG XXXXXXX CACGTG XXX

• 工作流（可读性空间）：
  • 找到匹配项：CATGTG XXXXXX CATTG
  • 3点开始

  • 在CATTTG的C处恢复搜索

  • 找到匹配项：CATTTG XXXXXXX CACGTG

  • 15点开始

等等

经过几个小时的修补，我遗憾的尝试并没有产生我所期望的结果：

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)

---

如果你能用正则表达式解决这个问题，你就是个天才。谢谢：D

您可以使用这种模式：

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))

其思想是将整个字符串放在lookahead中，并使用backreference来使用您不想测试的字符

第一个捕获组包含整个序列，第二个捕获组包含下一个开始位置之前的所有字符

---

请注意，您可以将

（？：CATGTG | cattg | CACGTG）

更改为

CA（？：TGTG | TTTG | CGTG）

，以改进模式。

主要问题是，为了使用

字符，需要将替代项括在括号中

根据示例，假设您只需要第一个匹配字符串，请尝试以下操作：

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

---

请注意

.group（1）

，它将只匹配第一组括号中的内容，而

.group（）

将返回整个匹配项。

您可以发布您尝试的内容和所需的输出吗？您是否希望测试字符串等的回答为是/否@WiktorStribiżew:no，使用

finditer

我只是添加了它。