从匹配对象中提取数据

Question

我有一个很长的序列，在整个序列字符串中随机重复特定字符串（“说 GAATTC”）。我目前正在使用正则表达式 .span() 为我提供找到模式“GAATTC”的索引。现在我想使用这些索引来分割 G 和 A 之间的模式（即“G|AATTC”）。

如何使用匹配对象中的数据将其切分出来？

Answer 1

如果您想要做的是将“GAATTC”替换为“G | AATTC”（不确定您最终想要做什么），我认为您可以在没有正则表达式的情况下管理它：

>>> string = 'GAATTCAAGAATTCTTGAATTCGAATTCAATATATA'
>>> string.replace('GAATTC', 'G|AATTC')
'G|AATTCAAG|AATTCTTG|AATTCG|AATTCAATATATA'

编辑：好的，这样可以进行调整以适合您想做的事情：

>>> groups = string.replace('GAATTC', 'G|AATTC').split('|')
>>> groups
['G', 'AATTCAAG', 'AATTCTTG', 'AATTCG', 'AATTCAATATATA']
>>> map(len, groups)
[1, 8, 8, 6, 13]

Answer 2

如果我理解正确的话，您有字符串和序列 GAATTC 开始的索引，那么您是否需要这个（i 这里是 m.start< /code> 为组）？

>>> seq = "GAATTC"
>>> s = "AATCCTGAGAATTCAAC"
>>> i = 8    # the index where seq starts in s
>>> s[i:]
'GAATTCAAC'
>>> s[i:i+len(seq)]
'GAATTC'

这样就提取出来了。您还可以在 G 处对原始序列进行切片，如下所示：

>>> s[:i+1]
'AATCCTGAG'
>>> s[i+1:]
'AATTCAAC'
>>>