我正在尝试重新格式化我的数据：
GI | 492845765 | REF | WP_005999719.1 | DNA甲基转移酶[[Eubacterium] infirmum]
到
[[真杆菌] infirmum] GI | 492845765 |
也就是说，我只想保留gi编号和有机体名称（有机体名称在gi编号前面），并删除“额外”信息（在这种情况下，参考编号和“ DNA甲基转移酶“）。
我会做re.sub（r“（\ w + | \ w + |）\ w + | \ w_ \ w | \ s \ w + \ s \ w \ s（[。]），\ 2 \ 1，线）
（或类似的东西）
但是，我的数据的其他一些行在“额外”信息中有两个以上的单词。 例如：
GI | 548229945 | REF | WP_022448665.1 | dNA（胞嘧啶-5 - ） - 甲基转移酶[Roseburia sp。 CAG：303]
我如何编写正则表达式来重命名我的所有数据，以便生物体名称在前面，gi数字在下面，其他一切都被删除了？
答案 0 :(得分：2)
这可能就是你所要求的：
(\w+\|\d+\|)(?:.*\s)(\[\S*)(?:\s)(.+\])
使用\2\3\1作为替换模式，$2$3$1似乎也一样。
re.sub(r'(\w+\|\d+\|)(?:.*\s)(\[\S*)(?:\s)(.+\])', \2\3\1, line)