Python正则表达式匹配不同格式的6位数字

Question

我需要查找并捕获所有出现的带有 OMIM 和 MIM 前缀的 6 位数字以及所有前面没有冒号的 6 位数字。
预期输出

[111111, 222222, 555555, 444444]

我试过的

import re

sentence = '111111;Dystonia-1,222222,OMIM:555555; 3333333 Dystonic disorder1,MIM#444444'

re1 = r'OMIM:(\d{6})'
re2 = r'MIM#(\d{6})'
re3 = r'[^:](\d{6})'

identifiers = re.compile("(%s|%s|%s)" % (re1, re2, re3)).findall(sentence)

电流输出

[
  ( ',222222'     , ''       , ''       , '222222' ),
  ( 'OMIM:555555' , '555555' , ''       , ''       ),
  ( ' 333333'     , ''       , ''       , '333333' ),
  ( 'MIM#444444'  , ''       , '444444' , ''       )
]

Answer 1

我想你可以试试:

\b(?:MIM#|OMIM:|(?<!:))(\d{6})\b

在线查看demo

\b - 字边界。

(?: - 非捕获组:

MIM#|OMIM:|(?<!:) - 字面意思是“MIM#”或“OMIM:”或断言位置的否定后视，前面没有冒号。

) .关闭非捕获组。

(\d{6}) - 在捕获组中捕获六位数字。

\b - 字边界。

import re
sentence = '111111;Dystonia-1,222222,OMIM:555555; 3333333 Dystonic disorder1,MIM#444444'
print(re.findall(r'\b(?:MIM#|OMIM:|(?<!:))(\d{6})\b', sentence))

打印:

['111111', '222222', '555555', '444444']