正規表現にfor文は使えない?

Question

#問題

ABC122 B問題より

#方針
本来であれば部分文字列は高々制約上56個までしか発生しないので、これを全探索すれば良いのですが、正規表現を用いた解法も無理ではなさそうと思い、やってみます。

#コード
入力例にある、'HATAGAYA'(この文字列に対する最長のACGT文字列は'ATAGA')を念頭に考えてみます：

import re

name = 'HATAGAYA'
li = []
for i in range(9):
    li.append(re.search(r'[A.T.G.C]{i}', name))

print(li)

#出力

[None, None, None, None, None, None, None, None, None]

#考察・質問
おそらく{i}で指定したい部分文字列の長さを（ダブル）クオーテーションで囲ってしまっているが故、for i in range の i と {i} の i が対応していない為、Noneだらけのリストが返されているというところまでは考えられております。しかしながら、
li.append(re.search(r'[A.T.G.C]{0}', name)),
li.append(re.search(r'[A.T.G.C]{1}', name)),
li.append(re.search(r'[A.T.G.C]{2}', name)),...
とやっていくのは正直あまりにアホらしいので、何か方策を練りたいところなのですが、上のやり方でのfor文の使用が封印されてしまっている為、詰まっております。何か近いやり方での解決策は存在しますでしょうか。雑な質問とはなってしまいましたが、お力添え頂ける箇所がございましたら、ご教授のほどよろしくお願い申し上げます。

Answer 1

正規表現には「最長一致の法則」というのがあるので、シンプルにマッチさせれば自動的に「最も長いACGT文字列」が得られるはずです。

いろいろ問題がありました。すいません。

import re

name = 'HATAGAYA'
acgt_string = re.search(r'[ACGT]+', a).string

Comments

[LouiS0616]

・ ご提示のコードは実行できません。(変数名が違うだけで、これはクリティカルな問題では無いです）

・ マッチオブジェクトのstring属性はマッチ対象の文字列全体を返しますから、そこからマッチ結果を知ることはできません。

・ 最長一致と言うのは、「できるだけ長くマッチしようとする」法則であって、「一番長いマッチ文字列を探す」ものでは無いと認識しています。実際Pythonで HATAGAYA_AACCGGTT を対象に試してみましても、マッチするのは ATAGA であって AACCGGTT では無いです。https://wandbox.org/permlink/9RNOHsNYr2a7q5Xb

[KojiDoi]

ああそうか、「短いACGT文字列」が本来得られるべき「最長の文字列」よりも前に存在しているかもしれない可能性を忘れていました。しかもstringが期待どおりの値を返さない。面目ない…最近こういうパターンが多いな。

Answer 2

f文字列で埋め込めます
{，}は2つ重ねればエスケープできます

i = 1
s = f'[A.T.G.C]{{{i}}}'

assert s == r'[A.T.G.C]{1}'

Answer 3

次のようにして、文字列に変数を埋め込みます。

for 略:
    li.append(re.search(fr'[A.T.G.C]{{{i}}}', name))

{{ は { のエスケープ表現です。}} も然り。
f文字列で {i} に i が埋め込まれた結果、[A.T.G.C]{2} みたいな文字列が作られます。

ただし

正規表現として [A.T.G.C] は明らかにおかしく、これは [ATGC] の誤りでしょう。

別解

for文を使わずとも、次のようにfindallで全抽出すれば充分に思います。

name = 'HATAGAYA'
chunks = re.findall(r'[ATGC]+', name)

ATGC文字列のリストが得られるので、一番長いものを選べば良いです。
特にこの問題の場合長さが求められれば良いので、max(map(len, chunks)) で足ります。

Comments

[kay_ventris4]

ご丁寧にありがとうございました。示して頂いた全方法で、実行することができました。