使用python中的regex提取可变长度数

Question

我有一个非常糟糕的文件，但我能够解析它并提取除了一个所需的大部分值。我需要你帮助你如何使用正则表达式来提取可变长度的数字。

要解析和提取其他功能，我使用了List索引以及不同的spliiters'|'，''和'：'。但在这种情况下，我能够达到阻止（下方）并且必须为每一行提取“_”周围的数字，分别为x和y。

一种方法可能是首先按'：'而不是''和最后按' - '分开，但提取索引位置[0]和[1]但这将是最有效的方法

chr5：17399789-17401949 REVERSE

chr5：6414488-6415907 FORWARD

chr5：2981156-2982709 FORWARD

chr5：6311725-6313323 REVERSE

chr5：12791432-12794551 REVERSE

chr5：927915-930781 FORWARD

chr5：19585936-19587841 FORWARD

chr5：26894856-26896488 FORWARD

chr5：18138775-18142147 REVERSE

chr5：20537525-20538943 REVERSE

chr5：22496196-22500543 REVERSE

chr5：4747860-4753592 REVERSE

以上街区来自“更大街区”，如下所示：

AT1G09410.1 |符号：|含有pentatricopeptide（PPR）重复序列的蛋白质chr1：3035443-3037560 FORWARD

我可以在“更大的区块”中提取吗？

我的编程水平可以最好地描述为初学者，需要你帮助。

由于

AK

Answer 1

一种方法是将正则表达式定义为以下Python“raw”字符串：

    numericalBlockRegEx = r'chr\d+:(?P<firstNumBlock>\d+)-(?P<secondNumBlock>\d+)'

最后，一旦你在文件的每一行上实际运行正则表达式（你可能需要使用对search的调用而不是匹配），你可以提取你感兴趣的数字块。一个简单的电话：

    x = match.group('firstNumBlock') #Gets first number block matched
    y = match.group('secondNumBlock') #Gets second number block matched

干杯！