Python如何使用多字符通配符重新搜索子字符串？

Question

我正在嘗試從Python中的字符串中提取子字符串。 要修剪的前端是靜態的，易於實現，但是后端具有一個可以從“ _0”到“ _9999”的計數器。

使用我當前的代碼，計數器仍包含在子字符串中。

import re

text = "fastq_runid_0dc971f49c42ffb1412caee485f8421a1f9a26ed_0.fastq"

print(text)
substring= re.search('runid_(.*)_*.fas', text).group(0)

print(substring)

退貨

0dc971f49c42ffb1412caee485f8421a1f9a26ed_0.fas

或者，

substring= re.search(r"(?<=runid_).*?(?=_*.fastq)", text).group(0)

退貨

0dc971f49c42ffb1412caee485f8421a1f9a26ed_0

效果更好，但仍添加了計數器“ _0”。

如何進行健壯的修剪來修剪多字符計數器？

Answer 1

在您的正則表達式(?<=runid_).*?(?=_*.fastq)存在一個小問題。 您已寫出_* ，表示零個或多個下划線，這將使下划線成為可選內容，並跳過與之匹配的內容.*? 也會在里面吃_0 ，這就是為什么結果也是_0 。 我認為您的意思是_.*並且也應該轉義. 就在fastq之前，所以您更新后的正則表達式應該變成這個，

(?<=runid_).+(?=_\d{1,4}\.fas)

演示版

您更新的python代碼，

import re

text = "fastq_runid_0dc971f49c42ffb1412caee485f8421a1f9a26ed_0.fastq"

print(text)
substring= re.search('(?<=runid_).+(?=_\d{1,4}\.fas)', text).group(0)

print(substring)

印刷品

0dc971f49c42ffb1412caee485f8421a1f9a26ed

另外，您也可以使用不帶環視功能的簡單正則表達式，並使用此正則表達式從第一組中捕獲文本，

runid_([^_]+)(?=_\d{1,4}\.fas)

演示版

從group(1)而不是group(0)選擇文本的python代碼

import re

text = "fastq_runid_0dc971f49c42ffb1412caee485f8421a1f9a26ed_0.fastq"

print(text)
substring= re.search('runid_([^_]+)(?=_\d{1,4}\.fas)', text).group(1)

print(substring)

在這種情況下，它也會打印

0dc971f49c42ffb1412caee485f8421a1f9a26ed

Answer 2

您不需要落后，也不必先展望。

\\d{1,4}表示min 1 max 4位數字，否則將不匹配

fastq_runid_(.+)_\d{1,4}\.fastq

https://regex101.com/r/VneElM/1

Answer 3

import re

text = "fastq_runid_0dc971f49c42ffb1412caee485f8421a1f9a26ed_999.fastq"

print(text)
substring= re.search('fastq_runid_(\w+)_(\d+)\.fastq', text)

print(substring.group(1), substring.group(2))

group(1)將提供您想要的東西， group(2)將提供計數器。