Question

我正在寻找一个正则表达式，它将识别一个序列，其中文本中的整数指定表达式末尾的尾随字母数。这个具体的例子适用于识别堆积格式中遗传数据的插入和删除。

例如：

如果我正在搜索的文字是：

AtT+3ACGTTT-1AaTTa

我需要匹配插入和删除，在本例中为+3ACG和-1A。整数（n）部分可以是任何大于1的整数，我必须捕获n个尾随字符。

我可以使用[+-]?[0-9]+[ACGTNacgtn]匹配单个插入或删除，但我无法弄清楚如何获取整数指定的尾随ACGTN的确切数量。

如果这里有明显的答案我道歉，我一直在寻找几个小时。谢谢！

（UPDATE）

我通常使用Python。我能用python中的re模块找出的一个解决方法是调用/ del中的每个的整数和跨度，并将两者结合起来以提取适当长度的文本。

例如：

>>> import re
>>> a = 'ATTAA$At^&atAA-1A+1G+4ATCG'
>>> expr = '[+-]?([0-9]+)[ACGTNacgtn]'
>>> ints = re.findall(expr, a) #returns a list of the integers
>>> spans = [i.span() for i in re.finditer(expr,a)]
>>> newspans = [(spans[i][0],spans[i][1]+(int(indel[i])-1)) for i in range(len(spans))]
>>> newspans
>>> [(14, 17), (17, 20), (20, 26)]

由此产生的元组允许我切出indels。可能不是最好的语法，但它有效！

Answer 1

您可以使用正则表达式替换传递函数作为替换...例如

s = "abcde+3fghijkl-1mnopqr+12abcdefghijklmnoprstuvwxyz"

import re

def dump(match):
    start, end = match.span()
    print s[start:end + int(s[start+1:end])]

re.sub(r'[-+]\d+', dump, s)

#output
# +3fgh
# -1m
# +12abcdefghijkl

Answer 2

这不是直接可能的，正则表达式无法计算＆＃39;像那样。

但是如果您使用的编程语言允许回调作为正则表达式匹配评估程序（例如C＃，PHP），那么您可以做的是将正则表达式设置为[+-]?([0-9]+)([ACGTNacgtn]+)并且在回调修剪中将字符拖尾到所需的长度。

e.g。对于C＃

var regexMatches = new List<string>();
Regex theRegex = new Regex(@"[+-]?([0-9]+)([ACGTNacgtn]+)");
text = theRegex.Replace(text, delegate(Match thisMatch)
{

    int numberOfInsertsOrDeletes = Convert.ToInt32(thisMatch.Groups[1].Value);
    string trailingString = thisMatch.Groups[2].Value;
    if (numberOfInsertsOrDeletes > trailingString.Length)
    { trailingString = trailingString.Substring(0, numberOfInsertsOrDeletes); }
    regexMatches.Add(trailingString);

    return thisMatch.Groups[0].Value;
});

Answer 3

用于匹配整数后跟任意字符数的简单Perl模式只是：

 (\d+)(??{"." x $1})

这很直截了当，我想你会同意的。例如，此代码段：

my $string = "AtT+3ACGTTT-1AaTTa";

print "Matched $&\n" while $string =~ m{
    ( \d+ )            # capture an integer into $1
    (??{ "." x $1 })   # interpolate that many dots back into pattern
}xg;

快速打印出预期的

Matched 3ACG
Matched 1A

修改

哦，亲爱的，自从我开始编辑以来，我看到你刚刚添加了Python标签。哎呀。好吧，也许这对你有帮助。

也就是说，如果您实际需要的是模糊匹配，您允许进行一些插入和删除（编辑距离），那么Matthew Barnett的regex Python库将处理它。这似乎不是你正在做的事情，因为插入和删除实际上是在你的字符串中表示的。

但是马修的图书馆真的非常好而且非常有趣，它甚至做了许多Perl无法做到的事情。 :)它是标准Python re库的替代品。

正则表达式，引用表达式早期部分的匹配项

3 个答案:

修改