模糊正则表达式：替换的模糊计数始终为 1

如何解决模糊正则表达式：替换的模糊计数始终为 1

我使用 Python regex 模块进行近似字符串匹配。我有一个 DNA 序列，我想搜索特定模式，同时允许最多 1 个替换：{s

我在下面做了一个例子，我想在一个 9 个字符的长字符串上使用正则表达式搜索。据我了解，该模式应与字符串匹配而无需任何替换。

但是，正则表达式为我提供了一个模糊计数为 1 的替换匹配（见下文）。我不明白这一点，因为序列与模式匹配。

import regex

dna_patt = regex.compile("((GAG|GAT)(TCT|GAA)(GCC|GGG|GGT)){s<=1}")
sequence = "GATGAAGGG"

print(dna_patt.search(sequence))

<regex.Match object; span=(0,9),match='GATGAAGGG',fuzzy_counts=(1,0)>

当我去掉三个字符的多个选项后，这个问题就不会再出现了。

dna_patt = regex.compile("(GATGAAGGG){s<=1}")

print(dna_patt.search(sequence))

<regex.Match object; span=(0,match='GATGAAGGG'>

我的问题是：我在创建模式时做错了什么？还是我误解了模糊计数的工作原理？欢迎任何提示或改进。

解决方法

来自正则表达式模块文档：

默认情况下，模糊匹配搜索满足 给定的约束。

在您的情况下，第一个匹配项是使用 GAG 并执行一次替换获得的（因为在 GAG 之前尝试了 GAT）。您可以使用 BESTMATCH 标志来查找最佳匹配：

import regex

dna_patt = regex.compile("((GAG|GAT)(TCT|GAA)(GCC|GGG|GGT)){s<=1}",regex.BESTMATCH)
sequence = "GATGAAGGG"

print(dna_patt.search(sequence))

它给出：

<regex.Match object; span=(0,9),match='GATGAAGGG'>

,

您还可以使用字符类将 G 或 T 与 GA[GT] 匹配以第一次找到 GAT。

如果您之后不需要捕获组，您可以使用 (?:

使它们不被捕获

import regex

dna_patt = regex.compile("(?:GA[GT](?:TCT|GAA)(?:GCC|GG[GT])){s<=1}")
sequence = "GATGAAGGG"

print(dna_patt.search(sequence))

结果

<regex.Match object; span=(0,match='GATGAAGGG'>

Python demo