Regex 基于grep的模糊字符串匹配

我试图匹配包含字符串的文件中的行，比如说

actggaaacta

。如果 我知道

它给了我精确匹配的行。是否有办法允许某些数量的不匹配（替换、插入或删除）？例如，我正在寻找序列

最多3个允许的子项，如“AGTGGGTAACCAA”等

插入/删除（部分匹配，如“actgggaaataaacta”或“ACTAAACTA”）

---

简短回答：否

---

长答案：同样，正则表达式本质上是精确的。您可以在某些位置手动添加不匹配项，如

[ATGC]

，而不是

A

，但无法只允许少量的不匹配项。我建议您编写自己的代码来解析它，或者尝试在某处找到一个DNA解析器。

过去有一个名为

agrep

的工具用于模糊正则表达式匹配，但它被放弃了

有一点历史和相关工具的链接

看起来像是一个恢复的开源版本，但我还没有测试它

---

否则，请查看是否可以为您的发行版找到

tre-agrep

。

您可以使用

tre-agrep

并使用

-E

开关指定。例如，如果您有一个文件

foo

：

cat <<< EOF > foo
ACTGGGAAAATAAACTA
ACTAAACTA
ACTGGGTAAACTA
EOF

输出：

4:ACTGGGAAAATAAACTA
4:ACTAAACTA
0:ACTGGGTAAACTA

---

有一个名为（我写的）的Python库，它正好提供了所需的功能

下面是一些应该可以工作的示例代码：

从fuzzysearch导入查找匹配项附近的\u
将open（'path/to/file'，'r'）作为f：
data=f.read（）
# 1. 允许最多3次替换的搜索
匹配=查找匹配附近的匹配（“ACTGGGTAAACTA”，数据，最大替换=3）
# 2. 还允许插入和删除，即允许编辑距离
#a.k.a.Levenshtein距离不超过3
匹配项=查找匹配项附近的匹配项（“ACTGGGTAAACTA”，数据，最大距离=3）

您的意思是“查找ACTGGGTAAACTA或最多更改3个字母的序列”吗？正则表达式不是模糊匹配工具。你必须非常准确地知道你到底在寻找什么。您可以明确声明某些字符可能丢失（例如，

ACTGGGTA{1,3}CTA

可以匹配

ACTGGGTA

，

ACTGGGTAACTA

和

ACTGGGTAAACTA

），但您的正则表达式越“模糊”，您最终得到的不希望的匹配就越多。可能类似于

tre-agrep -s -9 -w ACTGGGTAAACTA foo

4:ACTGGGAAAATAAACTA
4:ACTAAACTA
0:ACTGGGTAAACTA