我有以下几点:
<块引用>T47101 UNIPROID FGFR1_HUMAN T47101 ECNUMBER EC 2.7.10.1 T47101 SEQUENCE MWSWKCLLFWAVLVTATLCTARPSPTLPEQAQPWGAPVEVESFLVHPGDLLQLRCRLRDDVQSINWLDGVQLAESNRTRITGEEVEVQDSVPADSGLYACVT T47101 DRUGINFO D09HNV Intedanib 获批 T47101 DRUGINFO D01PZD Romiplostim 批准 T47101 DRUGINFO D02WVT E-3810 Phase 3
这里有很多填充物。我唯一感兴趣的是 UNIPROID 后面的单词,它们总是不同但后面总是包含 _HUMAN。我想保留这些信息(例如 FGFR1_HUMAN)。
然后我感兴趣的另一件事是跟随单词 SEQUENCE 的所有内容。我想保留后面的字母。除了我想摆脱的那两个粗体之外的所有东西。
我没有太多使用它的经验,所以我需要我能得到的所有帮助。
这是我目前拥有的:
查找:.+UNIPROID(\D).+
我检查了正则表达式,未检查 .matches 换行符。
编辑:我现在拥有的命令可以删除 FGFR1_Human 之前的所有内容,但我不确定如何继续。
答案 0 :(得分:0)
你可以
查找内容:
.+?(?|UNIPROID\h+(\w+_HUMAN)|SEQUENCE\h+(\w+)|$)
模式匹配
.+?
匹配除换行符以外的任何字符 1+ 次 非贪婪(懒惰)(?|
分支重置组,将组 1 用于两种交替
UNIPROID\h+(\w+_HUMAN)
匹配 UNIPROID、1+ 个水平空白字符并捕获第 1 组中的 1+ 个单词字符和 _HUMAN
|
或SEQUENCE\h+(\w+)
匹配 SEQUENCE,1+ 个水平空白字符并捕获第 2 组中的 1+ 个单词字符|
或$
字符串结尾也匹配最后一部分)
关闭群组替换为:
$1