序列搜索期间的正则表达式错误

Question

在此先感谢，我正在尝试从 NCBI 中提取作为分类群 ID 的代码的最后几位数字。 我想要这个标签中的粗体数字，但是这些数字的长度和值是可变的：

标签： URS0000D94775_60169

代码：

import re
taxID = ()
#strip accession numbers into string
mount = open ('mount.txrt', 'r')
accessions = (re.findall ("URS\S{6}", mount))
     for i in accessions:
     taxID.append (i)
 #parse taxa id's from string        
 taxas = ()
 taxas.append (re.findall ('\_?\d+', taxID)) 
 print ( mount)

Answer 1

将re.findall与下面的正则表达式一起使用：

import re
tag = 'URS0000D94775_60169'
tax_id = re.findall(r'\d+$', tag)[0]
print(tax_id)
# 60169

Answer 2

由于您的模式中有一个可选的_并且您想要匹配 URS 之后的数字，您可以使用

URS(?:.*?\D)?(\d+)$

正则表达式演示

import re
s = "URS0000D94775_60169"
print(re.findall("URS(?:.*?\D)?(\d+)$", s))

Output

60169

---

如果必须存在下划线：

URS[^_]*_(\d+)$

正则表达式演示

import re
s = "URS0000D94775_60169"
print(re.findall("URS[^_]*_(\d+)$", s))

Output

60169