我给了一个字符串
ATGCCAGGCTAGCTTATTTAA
我必须找出字符串中所有以ATG开头并以TAA，TAG，TGA结束的子字符串。
这是我在做什么：
seq="ATGCCAGGCTAGCTTATTTAA"
pattern = re.compile(r"(ATG[ACGT]*(TAG|TAA|TGA))")
for match in re.finditer(pattern,seq):
coding = match.group(1)
print(coding)
这段代码给了我输出：
ATGCCAGGCTAGCTTATTTAA
但是实际输出应该是：
ATGCCAGGCTAGCTTATTTAA，ATGCCAGGCTAG
我应该更改我的代码吗？
在library(dplyr)
library(purrr)
results <- map(results,~ .x %>%
mutate_at(vars(ends_with("1")),list(new = ~ rse(.,y = preds))))
中，r"(ATG[ACGT]*(TAG|TAA|TGA))"运算符为“贪心”。使用非贪婪修饰符，例如*，告诉正则表达式采用最短匹配的字符串，而不是最长的。
tl; dr：不能为此使用正则表达式
问题不是贪婪/非贪婪。
问题也不在于匹配重叠：有一种解决方法（How to find overlapping matches with a regexp?）
OP问题的真正问题是，REGEX并非为起点相同的比赛而设计。正则表达式执行线性搜索，并在第一个匹配项处停止。这就是为什么它很快的原因之一。但是，这会阻止REGEX支持从同一字符开始的多个重叠匹配。
请参见
Regex including overlapping matches with same start
了解更多信息。
正则表达式不是模式匹配的全部。它的名字是： Regular 表达式都是关于单一解释符号序列的，而DNA往往不适合该范例。