使用正则表达式从python中的列表项中删除子字符串

Posted 2023-02-23

【中文标题】使用正则表达式从python中的列表项中删除子字符串

【英文标题】：Using regex to remove substrings from list items in python

【发布时间】：2014-06-25 15:50:36

【问题描述】：

我确定这一定是一个重复的问题，但我在任何地方都找不到答案。我有一个包含多个字符串的列表，如下所示：

['>ctg7180000016561_3757\nAAAAATTTAGTTAAAACTATAACATTAGCTTGTCAAGCTAAAATTACTATGTAAGTAGTAATTTTTA\n', '>ctg7180000016561_3824\nATCCCTCAAATAGCACCCATTAACTGATTATCCTTATTCTTAATATTCACCACCTCTCTCCTAATATTTAGAGCTTCTAACTATTTCTTTATCATGTACCCCCCCAAAAAATCTGTTTTTTATAAAAAAACTAGTATAAATAACTGATCATGATAACTAACCTCTTTTCGTCTTTCGACCCCTCTACTAACTTAAATACTAACTTTAACTGAGTTAGGACTATCCTCGGGGTGGCTGTAATCCCGAGGATATTTTGGATTATCCCCTCGCGTTTCTCCCTGCTTTGAATAAAACTTATCAGTACTCTTCACAAAGAATTCAAAGTCCTTGTTAACAACAAAAAATCCCAAGGCAGAACCCTAATCCTGATTTCCTTATTTTCTATTATTTTATTTAATAACTTCATAGGACTATTCCCATATATTTTCACATCCACAAGTCACATAGTATTAACCCTGTCCCTGGCTCTCCCCATATGACTAAGATTTATATTGTATGGGTGGGTAAATAATACAACCCACATGCTAGCCCATCTAGTACCCCAAGGAACCCCTGCCGTTCTAATACCATTTATGGTGTGTATTGAAACAATCAGAAATGTTATCCGACCCGGCACCCTGGCAATCCGGCTATCCGCAAATATAATTGCAGGACACCTACTAATAACCCTTCTAGGTAACACGGGAAAC\n', '>ctg7180000016561_4513\nT\n']

我想要做的就是删除下划线后面的数字，所以在这个例子中，输出将是：

['>ctg7180000016561\nAAAAATTTAGTTAAAACTATAACATTAGCTTGTCAAGCTAAAATTACTATGTAAGTAGTAATTTTTA\n', '>ctg7180000016561\nATCCCTCAAATAGCACCCATTAACTGATTATCCTTATTCTTAATATTCACCACCTCTCTCCTAATATTTAGAGCTTCTAACTATTTCTTTATCATGTACCCCCCCAAAAAATCTGTTTTTTATAAAAAAACTAGTATAAATAACTGATCATGATAACTAACCTCTTTTCGTCTTTCGACCCCTCTACTAACTTAAATACTAACTTTAACTGAGTTAGGACTATCCTCGGGGTGGCTGTAATCCCGAGGATATTTTGGATTATCCCCTCGCGTTTCTCCCTGCTTTGAATAAAACTTATCAGTACTCTTCACAAAGAATTCAAAGTCCTTGTTAACAACAAAAAATCCCAAGGCAGAACCCTAATCCTGATTTCCTTATTTTCTATTATTTTATTTAATAACTTCATAGGACTATTCCCATATATTTTCACATCCACAAGTCACATAGTATTAACCCTGTCCCTGGCTCTCCCCATATGACTAAGATTTATATTGTATGGGTGGGTAAATAATACAACCCACATGCTAGCCCATCTAGTACCCCAAGGAACCCCTGCCGTTCTAATACCATTTATGGTGTGTATTGAAACAATCAGAAATGTTATCCGACCCGGCACCCTGGCAATCCGGCTATCCGCAAATATAATTGCAGGACACCTACTAATAACCCTTCTAGGTAACACGGGAAAC\n', '>ctg7180000016561\nT\n']

我正在使用正则表达式，我有一个完美的匹配，但我不知道如何实际删除子字符串。到目前为止我的代码是：

pattern = re.compile('_[0-9]*')
for x in SequenceList:
    re.sub(pattern, '', x)

我知道这只是在更改变量 x，但即使我只是在 for 循环中 print x，模式也不会被删除。我如何实际删除模式并更改列表？

谢谢你，如果这已经在某个地方得到回答，我们很抱歉！

【参考方案1】：

字符串是不可变的。因此，re.sub 将创建一个新字符串。相反，您可以使用列表推导式创建一个带有替换字符串的新列表，如下所示

import re
pattern = re.compile(r"_\d+")
print [pattern.sub("", item) for item in data]

【讨论】：

完美运行，谢谢。出于兴趣，您选择模式 _\d+ 而不是 _[0-9]* 是否有原因？

@PaulBarr \d 很容易写 :-) 除此之外，_[0-9]* 将替换 _，即使后面没有数字，因为 * 表示匹配 0或更多次。所以，如果字符串是_a，就会匹配_，匹配数字0次。

有道理！再次感谢