如何用Python正则匹配含多个'-'的字符串？蛋白序列匹配需求

• 连续字符串的匹配你已经搞定了，直接用re.search加目标字符串就能拿到索引，这里不多啰嗦。

• 针对中间可能插了多个'-'的目标序列，核心思路是把原目标的每个字符之间，加上匹配任意数量'-'的正则规则，具体操作如下：

比如你要匹配的目标是SQSVS，我们可以把它转换成正则模式S-*Q-*S-*V-*S，这个模式允许每个字符之间出现0个或多个'-'，完美对应序列里的SQS---VS。

直接上代码：

import re

seq = "EIVL<strong>TQSPG</strong>TLSLSRA<strong>SQS---VS</strong>SSYLAWYQQKPG"

# 匹配连续字符串TQSPG
match_continuous = re.search('TQSPG', seq)
if match_continuous:
    print(f"连续字符串索引：{match_continuous.span()}")  # 输出 (4, 9)

# 匹配带可变'-'的SQSVS
target_with_dash = "SQSVS"
# 生成正则模式：字符间允许任意数量'-'
regex_pattern = '-*'.join(target_with_dash)
match_dash = re.search(regex_pattern, seq)
if match_dash:
    print(f"含'-'字符串索引：{match_dash.span()}")  # 输出 (22, 31)

如果需要限定'-'的数量（比如至少1个，或者最多3个），只需要把'-*'换成对应的规则：

• 至少1个'-'：用'-+'
• 最多3个'-'：用'-{0,3}'

内容的提问来源于stack exchange，提问作者worfei alafei