我可以使用什么正则表达式来匹配基因列表字符串中的基因(粗体(:
GENE_LIST:F59A7.7T25D3.3F13B12.4cysl-1cysl-2cysl-3cysl-4F01D4.8
我尝试过:GENE_List:(((\w+(。(\w+(((+*,但它只捕获最后一个基因
给定:
>>> s="GENE_LIST: F59A7.7; T25D3.3; F13B12.4; cysl-1; cysl-2; cysl-3; cysl-4; F01D4.8"
你可以使用Python字符串方法来做:
>>> s.split(': ')[1].split('; ')
['F59A7.7', 'T25D3.3', 'F13B12.4', 'cysl-1', 'cysl-2', 'cysl-3', 'cysl-4', 'F01D4.8']
对于正则表达式:
(?<=[:;]s)([^s;]+)
演示
或者,在Python中:
>>> re.findall(r'(?<=[:;]s)([^s;]+)', s)
['F59A7.7', 'T25D3.3', 'F13B12.4', 'cysl-1', 'cysl-2', 'cysl-3', 'cysl-4', 'F01D4.8']
您可以使用以下内容:
s([^;s]+)
演示
- 捕获的组
([^;s]+)
将包含所需的子字符串,后跟空白(s
(
>>> s = 'GENE_LIST: F59A7.7; T25D3.3; F13B12.4; cysl-1; cysl-2; cysl-3; cysl-4; F01D4.8'
>>> re.findall(r's([^;s]+)', s)
['F59A7.7', 'T25D3.3', 'F13B12.4', 'cysl-1', 'cysl-2', 'cysl-3', 'cysl-4', 'F01D4.8']
更新
事实上要简单得多:
[^s;]+
但是,首先使用子字符串只获取您需要的部分(基因,没有GENELIST(
demo:regex演示
string = "GENE_LIST: F59A7.7; T25D3.3; F13B12.4; cysl-1; cysl-2; cysl-3; cysl-4; F01D4.8"
re.findall(r"([^;s]+)(?:;|$)", string)
输出为:
['F59A7.7',
'T25D3.3',
'F13B12.4',
'cysl-1',
'cysl-2',
'cysl-3',
'cysl-4',
'F01D4.8']