Python正则表达式：仅当模式重复n次时才匹配

Posted 2023-04-13

【中文标题】Python正则表达式：仅当模式重复n次时才匹配

【英文标题】：Python regex: match only if pattern is repeated n number of times

【发布时间】：2019-09-05 08:08:43

【问题描述】：

我有一个字符串：Name Mass From To Disulphide bond -2.02 97 144 Disulphide bond -2.02 111 158 Disulphide bond -2.02 121 174 Disulphide bond -2.02 125 176 Disulphide bond -2.02 85 174 Disulphide bond -2.02 10 176

我想提取元组 (97,144), (111,158), (121,174),(125,176), (85,174), (10,176)（即每种情况下 -2.02 之后的数字对）。

我只想匹配与此确切数量的重复模式匹配的字符串（即，“二硫键 -2.02 X X”的相同单词模式重复 6 次）。文件中将有其他字符串具有完全相同的模式，但重复次数或多或少少于 6 次（例如，文件中的另一个字符串可能是 'Name Mass From To Disulphide bond -2.02 97 144 Disulphide bond -2.02 111 158 Disulphide bond -2.02 121 174'，我不想匹配这个）。

我最初是这样写一个正则表达式的：

six_regex = re.search(r'Name  Mass  From  To  Disulphide bond  -2.02  ([\d]+)  ([\d]+)  Disulphide bond  -2.02  ([\d]+)  ([\d]+)  Disulphide bond  -2.02  ([\d]+)  ([\d]+)  Disulphide bond  -2.02  ([\d]+)  ([\d]+)  Disulphide bond  -2.02  ([\d]+)  ([\d]+)  Disulphide bond  -2.02  ([\d]+)  ([\d]+)',mod_line)

我想知道是否有办法只写一个正则表达式：

ix_regex = re.search(r' Disulphide bond  -2.02  ([\d]+)  ([\d]+)  ',mod_line)

我添加了“仅当上述短语匹配 6 次时才匹配”。

我使用 regex101.com 来处理 Disulphide bond -2.02 ([\d]+) ([\d\s]+)6 之类的东西，因为我在 *** 的其他地方读到，将数字放在括号中可能是一个解决方案；但我似乎没有匹配到。

有人可以建议一个更整洁的正则表达式，我需要匹配一个重复的模式 n 次才能匹配。

【问题讨论】：

你的意思是必须有 6 个 连续 Disulphide bond X X X 还是匹配项可以出现在字符串中的任何位置？请检查this approach，以防它们出现在字符串中的任何位置。

试试Name Mass From To (?:Disulphide bond -2.02 ([\d]+) ([\d]+))6

如果它们必须是连续的，请参见ideone.com/P32pbg。

【参考方案1】：

您可以在 python 中使用此代码：

>>> import re
>>> s = 'Name  Mass  From  To  Disulphide bond  -2.02  97  144  Disulphide bond  -2.02  111  158  Disulphide bond  -2.02  121  174  Disulphide bond  -2.02  125  176  Disulphide bond  -2.02  85  174  Disulphide bond  -2.02  10  176'
>>> arr = re.findall(r'(?<=Disulphide bond  -2.02  )(\d+)  (\d+)', s)
>>> if len(arr) == 6:
...     print arr
...
[('97', '144'), ('111', '158'), ('121', '174'), ('125', '176'), ('85', '174'), ('10', '176')]

Code Demo

**正则表达式详细信息：&&

(?<=Disulphide bond -2.02 ): Lookbehind 表达式断言我们在当前位置的左侧给出了字符串 (\d+) (\d+)：在 2 个不同的捕获组中匹配 2 个由 2 个空格分隔的数字

【讨论】：

这假设匹配可以出现在字符串中的任何位置，就像I suggested

【参考方案2】：

6 量词你有正确的想法。

您的问题是没有分组（(?:) - 非选择组）正确的模式。

Name Mass From To (?:Disulphide bond -2\.02 ([\d]+) ([\d]+)\s*)6 应该可以解决问题。

说明

Name Mass From To - 字符串的开头。 (?: - 打开非选择组。 Disulphide bond -2\.02 ([\d]+) ([\d]+)\s* - 你想要重复的模式 ) - 关闭非选择组。 6 - 重复非选择组六次。

【参考方案3】：

如果我理解正确，您可以使用

reg1 = re.compile(r"(?:\s?Disulphide bond  -2.02  [\d]+  [\d]+\s?)6")
matches = reg1.findall(your_string)

reg2 = re.compile(r"Disulphide bond  -2.02  ([\d]+)  ([\d]+)")
pairs = [reg2.findall(el) for el in matches]

首先你匹配这个主题重复六次的所有实例，然后你从每个实例中提取对