我的Python笔记·正则表达式

Posted 2021-05-02 生信菜鸟团

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了我的Python笔记·正则表达式相关的知识，希望对你有一定的参考价值。

本文内容

使用正则表达式来表达共有序列
使用正则表达式在字符串中搜索子字符串

问题

在蛋白质序列中搜索磷酸化motif，并返回第一个出现的motif

import re
seq = "VSVLTMFRYAGWLDRLYMLVGTQLAAIIHGVALPLMMLI"
pattern = re.compile('[ST]Q')
match = pattern.search(seq)
if match:
    print (match.start(),match.end())
    print (match.group())
else:
    print ("no match")

21 23
TQ

程序是如何工作的

程序第一行导入了模块re；
pattern = re.compile('[ST]Q')设定一个正则表达对象来匹配SQ或TQ；
若序列中包含pattern子串，则返回Match对象，否则返回None。

编译正则表达式

在Python中使用正则表达式需要使用模块re；
compile()编译字符串并且转换成正则表达对象。当然，也可以传递参数到compile()中。

模式匹配

search()函数扫描字符串并寻找正则表达式第一次匹配的位置，需要注意的是search()方法返回的是Match object而不是直接返回字符串

import re
seq = "ATAGAGAGGTAGAGTAAG"
pattern = re.compile('TA[AG]')
match = pattern.search(seq)
match

<_sre.SRE_Match object; span=(1, 4), match='TAG'>

match.group() 返回第一个匹配的字符串；
match.span() 返回第一个匹配结果的起点和终点；
match.start() 返回第一个匹配结果的起始位置；
match.end() 返回匹配结果的结束位置。

import re
seq = "ATAGAGAGGTAGAGTAAG"
pattern = re.compile('TA[AG]')
match = pattern.search(seq)
print(match.group(),match.span(),match.start(),match.end())

TAG (1, 4) 1 4

如果我想要找所有的匹配结果呢？

findall()可返回包含所有匹配的一个字符串列表；
finditer()也可以返回所有匹配对象并且返回迭代器形式，即可以用for循环进行遍历。

all = pattern.findall(seq)
all

['TAG', 'TAG', 'TAA']

iter = pattern.finditer(seq)
iter

<callable_iterator at 0x234fecd0780>

for i in iter:
    print(i.group())
    print(i.span())
    print(i.start())
    print(i.end())

TAG
(1, 4)
1
4
TAG
(9, 12)
9
12
TAA
(14, 17)
14
17

分组

有时候会将一个正则表达式分为若干个子组，来匹配不同的部分，比如想要知道.匹配了什么氨基酸，可以将她用圆括号括起来以创建一个组，然后使用group()方法得到相匹配的氨基酸类型。

group()方法不填写参数或参数为0，则返回完全匹配的字符串；子组从1开始自左向右编号。

import re
seq = "VSVLTMFRYSTALDRLYMLVGTQLAAIIHGVALPLMMLI"
pattern = re.compile('R(.)([ST])([^p])')
match = pattern.search(seq)
print(match.group())
print(match.group(1))
print(match.group(2))
print(match.group(3))

RYST
Y
S
T

也可以向group()方法中传递多个参数，得到各个子组的元组。

print(match.group(3,2,1))

('T', 'S', 'Y')

groups()方法返回一个包含所有与子组相关的元组。

print(match.groups())

('Y', 'S', 'T')

修改字符串

re模块提供了三种修改字符串的方法：

split(s)
sub(pattern, repl, string, count=0, flags=0)
subn(r,s,[c])

split(s)方法将分割符合正则表达式的字符串，产生一个列表。在下面的例子中，实现了一个字符串在|处分割，又因为|是元字符所以需要加反斜杠转义。

import re
separator = re.compile('\|')
annotation = 'ATOM:CA|RES:ALA|CHAIN:B|NUMRES:166'
columes = separator.split(annotation)
print(columes)

['ATOM:CA', 'RES:ALA', 'CHAIN:B', 'NUMRES:166']

sub(pattern, repl, string, count=0, flags=0)方法：

pattern : 正则中的模式字符串；
repl : 替换的字符串，也可为一个函数；
string : 要被查找替换的原始字符串；
count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。