Question

我需要从用户输入的行中提取基因和染色体的名称。行是这样的：

YAL002W VPS8 SGDID：S000000002，Chr I从143707-147531，基因组版本64-2-1

基因名称是该行中的第二个“单词”（= 3个大写字母，从A到Z，后跟0至9的数字）。染色体是“ Chr”，后跟罗马数字。我正在尝试使用正则表达式来做到这一点。

我正在尝试使用正则表达式来执行此操作。

这是我的代码的一部分。

 import sys
 import re 

 sequence = sys.stdin.readlines()
 ref_d = {}
 temp_genename = None 
 temp_chrname = None 

 genename_pattern = '^([A-Z]{3})([0-9]{1})$'
 chr_pattern = 'Chr (?=[MDCLXVI)M*(C[MD]|D?C*)(X[CL]|L?X*)(I[XV]|V?|*)$

 m1 = re.search(genename_pattern, sequence)
 m2 = re.search(chr_pattern, sequence)

 print(m1.group())
 print(m2.group())

从上面的输入中，我希望我的代码返回m1 = VPS8和m2 = ChrI。但是，它一直在返回：

'NoneType' object has no attribute 'group'

Answer 1

使用：

import re


sequence = "YAL002W VPS8 SGDID:S000000002, Chr I from 143707-147531, Genome Release 64-2-1"

genename_pattern = r'\b([A-Z]{3}\d)\b'  #Upper Case 3 letters, single digit. 
chr_pattern = 'Chr\s+(.*?)\s+'          #Get string after Chr until space

m1 = re.search(genename_pattern, sequence)
m2 = re.search(chr_pattern, sequence)

print(m1.group(1))
print(m2.group(1))

输出：

VPS8
I

正则表达式匹配一定数量的字符+带有罗马数字的正则表达式

1 个答案: