1

对于像这样的序列：

NM_001003443 chr11 + 5925152 5926098 5925152 5926098 2 5925152,5925652, 5925404,5926098,

我想要一条如下所示的信息行（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

我试图这样做，但一直得到不正确的匹配，有人可以查看我的正则表达式并查看它是否看起来和/或匹配正确吗？

我已经写了：

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（文件中的每一行看起来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，这似乎是正确的？

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])
4

1 回答 1

2

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

如果要坚持使用正则表达式，则有一些拼写错误。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+),'

  1. [+-]没有括号和|
  2. 失踪\s+后(chr\d+)
  3. 在正则表达式末尾的\术语中缺失,s+(
于 2012-04-24T20:04:49.790 回答