在負位置提前搜索在特定位置出現子字符串的字符串

Question

在嘗試創建正則表達式時，我只是面臨一個探查，它應該有助於查找包括子字符串的特定組合的字符串。

例如我正在搜索子字符串組合：

ab-ab-cd

1）“ xxx ab xxxxxx ab xxxx cd xxx”->應該匹配

2）“ xxx ab xxxx ab xxxx ab xxxx cd xxxx->沒有匹配項

3）“ xxx ab xxxxxxxxxx cd xxxx->沒有匹配項

使它更加復雜：

4）“ xxx ab xxxxx ab xxxx cd xxx ab xxx->也應匹配

我的子字符串組合也可能是這樣的：

A B C D

要么

Ab-ab-ab-cd

要么

ab-cd-ab-cd

對於所有這些（以及更多）示例，我正在尋找一種系統的方式以系統的方式構建相應的正則表達式，以便僅找到匹配的字符串，其中子字符串以正確的順序和正確的頻率出現。

對於“ ab-ab-cd”子字符串搜索，我得到了類似的內容，但是在示例4）的情況下卻失敗了。

p = re.compile("(?:(?!ab).)*ab.*?ab(?!.*ab).*cd",re.IGNORECASE)

在4）的情況下，此方法適用，但也可以匹配2）的字符串：

p = re.compile("(?:(?!ab).)*ab(?:(?!ab).)*ab((?!ab|cd)*).*cd", re.IGNORECASE)

你能指出我的錯誤嗎？

非常感謝！

編輯：

對不起，我的問題還不夠清楚。 我試圖將我的問題分解為一個更簡單的案例，這可能不是一個好主意。 這里是問題的詳細說明：

我有（蛋白質）序列的列表，並根據序列模式為每個序列分配特定的類型。

因此，我創建了一個字典，將類型名稱作為鍵，並將特征模板（按特定順序列出序列特征）作為值，例如：

type_a-> [A，A，B，C]

type_b-> [A，B，C]

type_c-> [A，B，A，B]

在其他字典中，我對每個功能都有（簡單的）正則表達式模式，例如：

A-> [PHT] AG [QP] LI

B-> RS [TP] EV

C-> ...

D-> ...

現在，每個模板（type_a，type_b，...）我現在都系統地構建級聯的正則表達式模式（即，對於type_a，構建正則表達式以搜索A，A，B，C）。 然后，這將導致另一個類型為鍵，完整的正則表達式為值的字典。

現在，我想遍歷序列列表中的每個序列，並針對每個序列映射所有完整的正則表達式模板。 在最佳情況下，只有一個完整的正則表達式（類型）應與序列匹配。

從上面的示例中，具有以下正則表達式模板：

光盤

A B C D

ab-ab-cd

Ab-ab-ab-cd

ab-cd-ab-cd

ab-ab-cd-ab

“ xxx ab xxxxxx ab xxxx cd xxx”

->此序列應與模板“ ab-ab-cd”的正則表達式匹配，而不與其他任何匹配

使用以下正則表達式，我可以完美地找到ab-ab-cd。

p = re.compile("(?:(?!ab).)*ab.*?ab(?!.*ab).*cd",re.IGNORECASE)

如果我的測試是正確的，它將僅匹配上面的序列1），而不匹配2）或3）。

但是，如果我要搜索ab-ab-cd-ab，則負向查找將不允許找到最后一個ab。 我發現類似以下代碼的內容可以打破第二個“ ab”部分之后的負面預測。 以我的理解，否定的超前應該以“ cd”停止，以便最后的“ ab”可以再次匹配。

p = re.compile("(?:(?!ab).)*ab(?:(?!ab).)*ab((?!ab|cd)*).*cd", re.IGNORECASE)

它解決了ab-ab-cd-ab中最后一個“ ab”的問題。 但是現在，它不但與“ cd”之前的2倍“ ab”匹配（序列1）-ab-ab-cd），而且還與“ cd”之前的3倍（ab）匹配（序列） 2，ab-ab-ab-cd），則不應這樣做。

我希望我的問題更加清楚。 非常感謝您提供的所有答案，明天我將在上班時嘗試該代碼。 任何進一步的答案都將受到高度贊賞，對正則表達式代碼的解釋（對正則表達式來說我還很陌生）以及使用re.functions（match，final ...）的建議。

謝謝

Answer 1

您可以使用re.findall並對其進行后處理。 實際上，您想查找ab或cd所有實例，並查看您的模式（ ['ab', 'ab', 'cd'] ）是否位於列表的開頭。 下列：

import re

test1 = "xxxabxxxxxxabxxxxcdxxx"
test2 = "xxxabxxxxabxxxxabxxxxcdxxxx"
test3 = "xxxabxxxxxxxxxxcdxxxx"
test4 = "xxxabxxxxxabxxxxcdxxxabxxx"

for x in (test1, test2, test3, test4):
    matches = re.findall(r'(ab|cd)', x)
    print matches[:3] == ['ab', 'ab', 'cd']

版畫

True
False
False
True

按要求。

Answer 2

您為什么需要負面的展望？ 為什么不使用那么簡單的東西：

*ab.*ab.*cd

或者，如果您需要它從行的開頭查找匹配項，則可以使用：

^.*ab.*ab.*cd

編輯：在您發表評論后，我了解了您的需求。 試試這個：

^(?:(?!ab).)*ab(?:(?!ab).)*ab(?:(?!ab).)*cd