如何用正则表达式从拼接字符串中提取多个独立AUG-UAA子串？

原正则r'AUG\w*UAA'只返回完整长串的原因很简单：\w*是贪婪量词，它会尽可能抓取从第一个AUG到最后一个UAA之间的所有字符，直接跨过中间的UAA和第二个AUG。

要提取到两个独立的目标子串，有两种实用方法：

方法1：使用非贪婪量词 #

把贪婪的\w*改成非贪婪的\w*?，正则就会匹配从AUG开始到最近的UAA结束的内容，不会过度抓取。

代码示例：

import re

target_str = "AUGACGCAUAACCGACGAUGCAGCGGGCAACUAA"
matches = re.findall(r'AUG\w*?UAA', target_str)
print(matches)
# 输出结果: ['AUGACGCAUAA', 'AUGCAGCGGGCAACUAA']

方法2：使用否定前瞻确保匹配独立性 #

如果需要更严谨地避免中间出现新的AUG（防止意外嵌套匹配），可以用否定前瞻语法，限定AUG和UAA之间的内容不能包含新的AUG：

import re

target_str = "AUGACGCAUAACCGACGAUGCAGCGGGCAACUAA"
matches = re.findall(r'AUG(?:(?!AUG)\w)*UAA', target_str)
print(matches)
# 输出结果同样符合预期

这里(?:(?!AUG)\w)*的逻辑是：重复匹配任意字符，但每次匹配前都会检查当前位置不是AUG的起始，确保每个匹配块都是独立的AUG→UAA单元。

内容的提问来源于stack exchange，提问作者Peter