python子字符串出现的位置_在负位置提前搜索在特定位置出现子字符串的字符串...

我只是在尝试创建一个正则表达式时遇到一个探查，它应该有助于查找包括子字符串的特定组合的字符串。

例如我正在搜索子字符串组合：

ab-ab-cd

1)“ xxxabxxxxxxabxxxxcdxxx”->应该匹配

2)“ xxxabxxxxabxxxxabxxxxcdxxxx->没有匹配项

3)“ xxxabxxxxxxxxxxcdxxxx->不匹配

使它更加复杂：

4)“ xxxabxxxxxabxxxxcdxxxabxxx->也应匹配

我的子字符串组合也可能是这样的：

A B C D

要么

Ab-ab-ab-cd

要么

ab-cd-ab-cd

对于所有这些(以及更多)示例，我正在寻找一种系统的方式以系统的方式构建相应的正则表达式，以便仅找到匹配的字符串，其中子字符串以正确的顺序和正确的频率出现。

对于“ ab-ab-cd”子字符串搜索，我得到了类似的内容，但是在示例4)的情况下却失败了。

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

在类似4)的情况下，此方法适用于，但也可以匹配类似2)的字符串：

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

您能指出我的错误吗？

非常感谢！

编辑：

对不起，我的问题还不够清楚。我试图将我的问题分解为一个更简单的案例，这可能不是一个好主意。这里是问题的详细说明：

我列出了(蛋白质)序列，并根据序列模式为每个序列指定了特定的类型。

因此，我创建了一个字典，将类型名称作为键，并将特征模板(按特定顺序列出序列特征)作为值，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，我对每个功能都有(简单的)正则表达式模式，例如：

A-> [PHT] AG [QP] LI

B-> RS [TP] EV

C-> ...

D-> ...

现在，每个模板(type_a，type_b，...)我现在都要系统地构建级联的正则表达式模式(即，对于type_a，构建正则表达式以搜索A，A，B，C)。然后，这将导致另一个字典，类型为键，而完整的正则表达式为值。

现在，我想遍历序列列表中的每个序列，并针对每个序列映射所有完整的正则表达式模板。在最佳情况下，只有一个完整的正则表达式(类型)应与序列匹配。

从上面的示例开始，具有以下正则表达式模板：

光盘

A B C D

ab-ab-cd

Ab-ab-ab-cd

ab-cd-ab-cd

ab-ab-cd-ab

“ xxxabxxxxxxabxxxxcdxxx”

->此序列应与模板“ ab-ab-cd”的正则表达式匹配，而不与其他任何匹配

使用以下正则表达式，我可以完美地找到ab-ab-cd。

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

如果我的测试是正确的，它将仅匹配上面的序列1)，而不匹配2)或3)。

但是，如果我要搜索ab-ab-cd-ab，则负向查找将不允许找到最后一个ab。我发现类似以下代码的内容可以打破第二个“ ab”部分之后的负面预测。以我的理解，否定的超前应该以“ 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)

它解决了ab-ab-cd-ab中最后一个“ ab”的问题。但是现在，它不但与“ cd”之前的2倍“ ab”匹配(序列1)-ab-ab-cd)，而且还与“ cd”之前的3倍(ab)匹配(序列) 2，ab-ab-ab-cd)，应该不要。

我希望我的问题更加清楚。非常感谢您提供所有答案，明天我将在工作时尝试使用该代码。任何进一步的答案都将受到高度赞赏，对正则表达式代码的解释(对正则表达式来说我还很陌生)以及使用re.functions(match，final ...)的建议。

谢谢

解决方案

为什么您需要负面的展望？为什么不使用那么简单的东西：

*ab.*ab.*cd

或者，如果您需要它从行的开头查找匹配项，则可以使用：

^.*ab.*ab.*cd

编辑：在您发表评论后，我了解了您的需求。试试这个：

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