如何使用Python正则表达式通过不包含替代文本来提取子字符串

Question

我有以下两个字符串：

various_data/hmsc_proximal_distal/BB_152.HPMSC.distal.tss_ext500bp.narrowPeak
various_data/hmsc_proximal_distal/BB_147.HMSC-he.proximal.tss_ext500bp.narrowPeak

我想做的就是捕捉：

BB_152.HPMSC
BB_147.HMSC-he

为什么此正则表达式失败：

.*\/([A-Z\_0-9\.\-a-z]+)\.[proximal|distal]

通过给予;

BB_152.HPMSC.distal
BB_147.HMSC-he.proximal

什么是正确的方法？

Answer 1

您可以使用(?=...

(?=...)
如果...下一个匹配，则匹配，但不使用任何字符串。 这称为先行断言。 例如，仅当Isaac (?=Asimov)后跟'Asimov'它才会与'Isaac '匹配。

import re
s = '''
various_data/hmsc_proximal_distal/BB_152.HPMSC.distal.tss_ext500bp.narrowPeak
various_data/hmsc_proximal_distal/BB_147.HMSC-he.proximal.tss_ext500bp.narrowPeak
'''

re.findall(r"([^/]*)\.(?=proximal|distal)", s)

产量

['BB_152.HPMSC', 'BB_147.HMSC-he']

Answer 2

使用re.findall()函数的解决方案：

import re

s = '''
various_data/hmsc_proximal_distal/BB_152.HPMSC.distal.tss_ext500bp.narrowPeak
various_data/hmsc_proximal_distal/BB_147.HMSC-he.proximal.tss_ext500bp.narrowPeak
'''
result = re.findall(r'[A-Z]{2}_\d+\.[a-zA-Z-]+(?=\.proximal|\.distal)', s)

print(result)

输出：

['BB_152.HPMSC', 'BB_147.HMSC-he']

---

• (?=\\.proximal|\\.distal) -超前肯定断言，确保关键序列后跟.proximal或.distal

Answer 3

正则表达式应为

.*\/([A-Z\_0-9\.\-a-z]+)\.(?:proximal|distal)

[]是一个位置的一组字符，必须使用圆括号。