Python 如何使用difflib.SequenceMatcher获得多个匹配？

我使用difflib来识别长序列中短字符串的所有匹配项。但是，当存在多个匹配项时，difflib似乎只返回一个：

> sm = difflib.SequenceMatcher(None, a='ACT', b='ACTGACT')
> sm.get_matching_blocks()
[Match(a=0, b=0, size=3), Match(a=3, b=7, size=0)]

我期望的结果是：

[Match(a=0, b=0, size=3), Match(a=0, b=4, size=3), Match(a=3, b=7, size=0)]

事实上，字符串ACTGACT包含两个匹配的ACT，位置0和4，大小均为3（加上字符串末尾另一个大小为0的匹配）

---

如何获得多个匹配项？我希望difflib能同时返回两个位置

为什么要使用

difflib

来实现这一点？您应该能够只使用标准正则表达式

import re
pattern = "ACT"
text = "ACTGACT"
matches = [m.span() for m in re.finditer(pattern, text)]

这将给你：

[(0, 3), (4, 7)]

---

或者出于某种原因，这不包括您感兴趣的信息？当然，它不会返回difflib返回的最后一个空匹配，但您可以轻松地创建它。

正如Jerry指出的，k-nut正确地回答了这一问题，您使用了错误的算法。 老实说，k-nut的答案并不是那么糟糕，但它并不是解决这类问题的最有效方法。 我是一名生物信息学家，考虑到你的问题和这个案例，你似乎很想解决“我们”的经典DNA序列比对/搜索问题（参见Altschul或“Gene”等科学巨星的如果你对细节感兴趣，并且想读一篇有史以来被引用最多的论文之一，你可以在这个问题上发表迈尔斯的文章）

在长片段数据库中高效地查找短片段正是Altschul现在著名的算法通过启发式和/或精确查找解决的问题。 在Python中实现这一点的最有效的方法可能是使用，特别是，您可能希望查看描述如何设置。 如果您没有“嫁给”Python，那么现在BLAST的实现甚至更快，比如

另一方面，如果您需要精确匹配（与BLAST所做的启发式相反），如果您不介意长时间的查询和小的引用序列（

B

，在您的示例中），则可以使用官方的Smith-Waterman（SW）对齐。若并没有，你们仍然需要精确匹配，首先用BLAST过滤匹配，然后用候选的SW对齐减少你们的集合

---

您可以在纯Python中实现SW，甚至可以只使用任何现有的纯Python实现，但我只建议您使用该路径纯粹出于教育目的（例如，在GitHub上查看）。尽管scikit bio仍处于alpha状态，但如果您仍然想要一个相当强大的基于Python的实现，请检查软件对齐。但是首先阅读上面已经链接的，并且取决于您拥有的硬件，您可以在或中使用GPU或至少SIMD优化的实现。如果您想要一个带有Python包装器的好版本，请查看。

为什么要使用

SequenceMatcher

-我不确定我是否遵循了您的逻辑，为什么您希望3个匹配？我希望序列上有两个匹配（位置0和4），再加上一个大小为0的匹配（请参阅difflib文档-get_matching_blocks总是在序列末尾返回一个大小为0的额外匹配项）difflib的目的是，例如，并排比较两个文本块，并能够指出哪些是常见的，哪些不是（此处的修订工作方式，初始版本与修订版本之间的差异，所有添加和删除都突出显示，常见内容保持未标记）。因此，如果发现ACT在两个字符串中匹配一次，则它不会尝试匹配另一个字符串，除非两个字符串中都有另一个字符串。您的意思是：

matches=[m.span（）代表re.finditer（pattern，text）]

？（这将是我要回答的问题，但是OP没有明确说明为什么他们使用

SequenceMatcher

以及为什么空匹配很重要）@JonClements是的，你是对的。很抱歉变量混淆。也使用

span（）

似乎是个好主意。不需要完全匹配对象。感谢您的回答，但上面的一个只是一个示例。我需要在大序列中搜索一个短序列，我想看看是否可以使用difflib而不是定义像*C.*G.*这样的模式。然后您能提供一个更精确地显示您的情况的示例吗？