使用正则表达式查找字符串中所有小写字母追加到列表。 蟒蛇

Question

我正在寻找一种从具有大写字母和可能小写字母的字符串中获取小写字母值的方法

这是一个例子

sequences = ['CABCABCABdefgdefgdefgCABCAB','FEGFEGFEGwowhelloFEGFEGonemoreFEG','NONEARELOWERCASE'] #sequences with uppercase and potentially lowercase letters

这就是我要输出的

upper_output = ['CABCABCABCABCAB','FEGFEGFEGFEGFEGFEG','NONEARELOWERCASE'] #the upper case letters joined together
lower_output = [['defgdefgdefg'],['wowhello','onemore'],[]] #the lower case letters in lists within lists
lower_indx = [[9],[9,23],[]] #where the lower case values occur in the original sequence

所以我希望lower_output列表是SUBLISTS的列表。 SUBLISTS将具有所有小写字母的字符串。

我正在考虑使用正则表达式。 。 。

import re

lower_indx = []

for seq in sequences:
    lower_indx.append(re.findall("[a-z]", seq).start())

print lower_indx

对于我尝试的小写列表：

lower_output = []

for seq in sequences:
    temp = ''
    temp = re.findall("[a-z]", seq)
    lower_output.append(temp)

print lower_output

但这些值不在单独的列表中（我仍然需要加入它们）

[['d', 'e', 'f', 'g', 'd', 'e', 'f', 'g', 'd', 'e', 'f', 'g'], ['w', 'o', 'w', 'h', 'e', 'l', 'l', 'o', 'o', 'n', 'e', 'm', 'o', 'r', 'e'], []]

Answer 1

听起来像（我可能会误解你的问题），你只需要捕获的小写字母的运行 ，而不是每个单独的小写字母。 这很容易：只需在正则表达式中添加+量词即可。

for seq in sequences:
    lower_output.append(re.findall("[a-z]+", seq)) # add substrings

+量词指定您希望“至少一个，并且可以在一行中找到尽可能多”的前一个表达式（在本例中为'[az]' ）。 因此，这将捕获所有小写字母的全部内容，并将它们全部组合在一起，这将使它们在输出列表中显示为您希望的样子。

如果您想保留列表结构并获取索引，则会有些麻烦，但这仍然非常简单：

for seq in sequences:
    matches = re.finditer("[a-z]+", seq) # List of Match objects.
    lower_output.append([match.group(0) for match in matches]) # add substrings
    lower_indx.append([match.start(0) for match in matches]) # add indices

print lower_output
>>> [['defgdefgdefg'], ['wowhello', 'onemore'], []]

print lower_indx
>>> [[9], [9, 23], []]

Answer 2

除了正则表达式，您还可以在此处使用itertools.groupby ：

In [39]: sequences = ['CABCABCABdefgdefgdefgCABCAB','FEGFEGFEGwowhelloFEGFEGonemoreFEG','NONEARELOWERCASE'] #sequences with uppercase and potentially lowercase letters

In [40]: lis=[["".join(v) for k,v in groupby(x,key=lambda z:z.islower())] for x in sequences]

In [41]: upper_output=["".join(x[::2]) for x in lis]

In [42]: lower_output=[x[1::2] for x in lis]

In [43]: upper_output
Out[43]: ['CABCABCABCABCAB', 'FEGFEGFEGFEGFEGFEG', 'NONEARELOWERCASE']

In [44]: lower_output
Out[44]: [['defgdefgdefg'], ['wowhello', 'onemore'], []]

In [45]: lower_indx=[[sequences[i].index(y) for y in x] for i,x in enumerate(lower_output)]

In [46]: lower_indx
Out[46]: [[9], [9, 23], []]