Início / coding / Perguntas / 78893691
Accepted
Ryan
Asked: 2024-08-21 01:18:15 +0800 CST

Capture inteiro em string e use-o como parte de expressão regular

  • 772

Eu tenho uma string:

s = ".,-2gg,,,-2gg,-2gg,,,-2gg,,,,,,,,t,-2gg,,,,,,-2gg,t,,-1gtt,,,,,,,,,-1gt,-3ggg"

e uma expressão regular que estou usando

import re
delre = re.compile('-[0-9]+[ACGTNacgtn]+') #this is almost correct
print (delre.findall(s))

Isso retorna:

['-2gg', '-2gg', '-2gg', '-2gg', '-2gg', '-2gg', '-1gtt', '-1gt', '-3ggg']

Mas -1gtte -1gtnão são correspondências desejadas. O número inteiro, neste caso, define quantos caracteres subsequentes corresponderão, portanto, a saída desejada para essas duas correspondências seria -1ge -1g, respectivamente.

Existe uma maneira de capturar o número inteiro após o traço e definir dinamicamente o regex para que ele corresponda a esse número e apenas a esse número de caracteres subsequentes?

python

2 respostas

  1. Mais uma solução alternativare.sub que faz isso sem loop:

    import re

# surround [0-9]+ and [ACGTNacgtn]+ in parentheses to create two capture groups
delre = re.compile('[^-]*-([0-9]+)([ACGTNacgtn]+)[^-]*')  

s = ".,-2gg,,,-2gg,-2gg,,,-2gg,,,,,,,,t,-2gg,,,,,,-2gg,t,,-1gtt,,,,,,,,,-1gt,-3ggg"

print (re.sub(delre, lambda m: f"-{m.group(1)}{m.group(2)[:int(m.group(1))]}\n", s))

    Saída:

    -2gg
-2gg
-2gg
-2gg
-2gg
-2gg
-1g
-1g
-3ggg

    ou então, se você quiser a saída em array, use:

    arr = re.sub(delre, lambda m: f"-{m.group(1)}{m.group(2)[:int(m.group(1))]} ", s).split()
print (arr)

['-2gg', '-2gg', '-2gg', '-2gg', '-2gg', '-2gg', '-1g', '-1g', '-3ggg']
    • 6
  2. Best Answer

    Você não pode fazer isso diretamente com o padrão regex, mas pode usar grupos de captura para separar as partes inteiras e de caracteres da correspondência e, em seguida, cortar a parte dos caracteres para o comprimento apropriado.

    import re

# surround [0-9]+ and [ACGTNacgtn]+ in parentheses to create two capture groups
delre = re.compile('-([0-9]+)([ACGTNacgtn]+)')  

s = ".,-2gg,,,-2gg,-2gg,,,-2gg,,,,,,,,t,-2gg,,,,,,-2gg,t,,-1gtt,,,,,,,,,-1gt,-3ggg"

# each match should be a tuple of (number, letter(s)), e.g. ('1', 'gtt') or ('2', 'gg')
for number, bases in delre.findall(s):
    # print the number, then use slicing to truncate the string portion
    print(f'-{number}{bases[:int(number)]}')

    Isso imprime

    -2gg
-2gg
-2gg
-2gg
-2gg
-2gg
-1g
-1g
-3ggg

    É mais do que provável que você queira fazer algo diferente de print, mas pode formatar as strings correspondentes da maneira que precisar!

    NOTA: isso falha nos casos em que o número inteiro é seguido por menos caracteres correspondentes do que o especificado, por exemplo, -10agctaainda é uma correspondência mesmo que contenha apenas 5 caracteres.

    • 5

relate perguntas