对于如下序列:
NM_001003443 chr11 + 5925152 5926098 5925152 5926098 2 5925152,5925652, 5925404,5926098,
我想要一个如下所示的信息行(未拼接,意味着 sys.argv 中有一个“-s”):
>NM_00100343|chr11(+):5925152Z5926098
或(拼接,sys.argv 中没有“-s”):
>NM_00100343|chr11(+):5925152Z5926098|5925151Z5925404,5925652Z5926098
我已经尝试这样做,但仍然得到不正确的匹配,有人可以查看我的正则表达式并看看它是否看起来和/或匹配正确?
我写了:
p = '(NM_\d+)\s+(chr\d+)\s+([+|-])\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+ )\s+(\d+)\s+(\d+),(\d+),\s+(\d+),(\d+),'
并尝试通过以下方式匹配它们(文件中的每一行看起来都像上面给出的行示例,由 fp = open(infile, 'r') 打开:
for line in fp:
r = search(p, line)
if '-s' in sys.argv and r:
wp.write('>'+r.group(1)+'|'+r.group(2)+'('+r.group(3)+')'+':'+r.group(4)+'-'+r.group(5))
else:
wp.write('>'+r.group(1)+'|'+r.group(2)+'('+r.group(3)+')'+':'+r.group(4)+'-'+r.group(5)+'|'+r.group(6)+'-'+r.group(11)+','+r.group(9)+'-'+r.group(12))
编辑,这看起来正确吗?
for line in fp:
line = line.replace(',',' ')
tokens = line.split()
if '-s' in sys.argv and r:
wp.write('>'+tokens[0]+'|'+tokens[1]+'('+tokens[2]+')'+':'+tokens[3]+'-'+tokens[4])
else:
wp.write('>'+tokens[0]+'|'+tokens[1]+'('+tokens[2]+')'+':'+tokens[3]+'-'+tokens[4]+'|'+tokens[5]+'-'+tokens[10]+','+tokens[8]+'-'+tokens[11])
最佳答案
您需要的所有数据都由空格或逗号分隔,因此您根本不需要正则表达式。
mystring = mystring.replace(',', ' ') # convert all commas to spaces
tokens = mystring.split() # split at spaces
如果想要坚持使用正则表达式,则存在一些拼写错误。这是正确的正则表达式:
p = '(NM_\d+)\s+(chr\d+)\s+([+|-])\s+(\d+)\s+(\d+)\s+(\d+)\s+(\d+ )\s+(\d+)\s+(\d+),(\d+),\s+(\d+),(\d+),'
[+-]
不带括号和 |(chr\d+)
后缺少\s+
- 正则表达式末尾的术语
,s+(
中缺少\
关于python - 匹配正则表达式(python),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10305063/