Question

所以我试图创建一个正则表达式子句，它可以检测＆＃39; ACTG＆＃39; 字符的任意组合，并接受它为有效。其他任何内容 - 包括＆＃39; ACTG＆＃39; 和其他一些字符的组合无效。

最终，我将其从while循环中取出，仅用于测试目的。现在我相信只要它以a，c，t或g开头，就说它有效......

正则表达式中的函数是否比匹配更适合？

import re
while (True):
    DnaString = str(input('enter your polynucleotide chain code hooblah'))
    if (re.match('([ACTG]+[ACTG]*)', DnaString, flags=0)):
        #if re.search('^ACTG', DnaString) != -1: 
            print ("valid chain.")
    else: #(re.search('^[ACTG]+[ACTG]*$', DnaString) == -1):
        print("invalid chain, please check your input.")

    if (DnaString.find("end") != -1):
        print("ohokaybye.")
        break

Answer 1

为什么不

if all(c in 'ACGT' for c in DnaString):
    # Do success
else:
    # Do failure

Answer 2

您的问题是您只是在字符串中的任何位置搜索ACTG字符，而没有指定其他任何内容都不允许。如果您将正则表达式更改为^[ACTG]+$，那么它将按预期工作。 ^和$字符是锚点，分别表示行的开头和结尾。

所以上面的正则表达式匹配一个字符串，该字符串包含四个字符中的一个或多个，并且不允许在它们之前或之后的任何其他字符。

Answer 3

如果您允许匹配在内部重复可接受的字符，那么这可能是您想要的：

'[A|C|T|G]{4}'

Answer 4

不使用正则表达式：

扩展原始的仅代码答案。
使用成员资格运算符in
- 删除True或False值的生成器
使用内置的python函数all
- 检查生成器，如果它们是all True，则返回True，否则返回False。
使用generator expression，例如(base in bases for base in sequence)

bases = 'acgt'
sequence = (input('Input DNA sequence: ')).lower()

if all(base in bases for base in sequence):
    print('Input is correct')
else:
    print('Only allowed bases are A, T, C, G')

输出：

Input DNA sequence:  atcgggggcccccttttaaaa
Input is correct

Input DNA sequence:  atcgggggcccccttttaaaaf
Only allowed characters are A, T, C, G

编写函数：

实际上，考虑到DNA序列的长度，没人会输入一个。

def check_sequence(sequence: str):
    sequence = sequence.lower()
    bases = 'acgt'
    if all(base in bases for base in sequence):
        print('Input is correct')
    else:
        print('Only allowed characters are A, T, C, G')

my_sequence = 'gcaatgcAttGtgaaagagccGcTaCaacctaaacGctgcacgtcacctagagtgtCttgcgggTgaggccctctcgAacagattacagtaccgttatc'

check_sequence(my_sequence)

>>> Input is correct

如果序列不正确，则返回序列的函数：

使用zip组合可迭代项

def check_sequence(sequence: str) -> list:
    sequence = [base for base in sequence.lower()]
    base_pairs = 'acgt'
    matches = list(bases in base_pairs for bases in sequence)

    sequence_check = list(zip(sequence, matches))

    if all(matches):
        print('Input is correct')
    else:
        print('Only allowed characters are A, T, C, G')
        return sequence_check

用法：

my_sequence = 'GcaatGcatfftgtgaaagAg'

verified_sequence = check_sequence(my_sequence)

print(verified_sequence)

# Output:
[('g', True),
 ('c', True),
 ('a', True),
 ('a', True),
 ('t', True),
 ('g', True),
 ('c', True),
 ('a', True),
 ('t', True),
 ('f', False),
 ('f', False),
 ('t', True),
 ('g', True),
 ('t', True),
 ('g', True),
 ('a', True),
 ('a', True),
 ('a', True),
 ('g', True),
 ('a', True),
 ('g', True)]

python正则表达式特定字符，任意组合

4 个答案:

不使用正则表达式：

输出：

编写函数：

如果序列不正确，则返回序列的函数：

用法：