使用正則表達式匹配字符串的一部分？（python）

Question

我可以使用什么正則表達式來匹配基因列表字符串中的基因（ 粗體 ）：

GENE_LIST： F59A7.7 ； T25D3.3 ; F13B12.4 ; cysl-1 ; cysl-2 ; cysl-3 ; cysl-4 ; F01D4.8

我試過了： GENE_List：（（（（ww +）。（\\ w +））; ）+ *但它只能捕獲最后一個基因

Answer 1

鑒於：

>>> s="GENE_LIST: F59A7.7; T25D3.3; F13B12.4; cysl-1; cysl-2; cysl-3; cysl-4; F01D4.8"

您可以使用Python字符串方法執行以下操作：

>>> s.split(': ')[1].split('; ')
['F59A7.7', 'T25D3.3', 'F13B12.4', 'cysl-1', 'cysl-2', 'cysl-3', 'cysl-4', 'F01D4.8']

對於正則表達式：

(?<=[:;]\s)([^\s;]+)

演示版

或者，在Python中：

>>> re.findall(r'(?<=[:;]\s)([^\s;]+)', s)
['F59A7.7', 'T25D3.3', 'F13B12.4', 'cysl-1', 'cysl-2', 'cysl-3', 'cysl-4', 'F01D4.8']

Answer 2

您可以使用以下內容：

\s([^;\s]+)

演示版

• 捕獲的組([^;\\s]+)將包含所需的子字符串，后跟空格（ \\s ）

---

>>> s = 'GENE_LIST: F59A7.7; T25D3.3; F13B12.4; cysl-1; cysl-2; cysl-3; cysl-4; F01D4.8'
>>> re.findall(r'\s([^;\s]+)', s)
['F59A7.7', 'T25D3.3', 'F13B12.4', 'cysl-1', 'cysl-2', 'cysl-3', 'cysl-4', 'F01D4.8']

Answer 3

更新

實際上要簡單得多：

[^\s;]+

但是，首先使用子字符串僅獲取您需要的部分（基因，不包含GENELIST）

演示： 正則表達式演示

Answer 4

string = "GENE_LIST: F59A7.7; T25D3.3; F13B12.4; cysl-1; cysl-2; cysl-3; cysl-4; F01D4.8"
re.findall(r"([^;\s]+)(?:;|$)", string)

輸出為：

['F59A7.7',
'T25D3.3',
'F13B12.4',
'cysl-1',
'cysl-2',
'cysl-3',
'cysl-4',
'F01D4.8']