Skip to main content
 首页 » 编程设计

python之正则表达式匹配字符串中指定长度的单词

2025年05月04日10langtianya

我正在尝试解析 samtools mpileup 的文本输出。我从一个字符串开始

s = '.$......+2AG.+2AG.+2AGGG' 

每当我有一个 + 后跟一个整数 n 时,我想选择该整数后面的 n 个字符并将整个字符替换为 *。所以对于这个测试用例,我会

'.$......+2AG.+2AG.+2AGGG' ---> '.$......*.*.*GG'  

我有正则表达式 \+[0-9]+[ACGTNacgtn]+ 但结果是输出 .$......*.*.* 和尾随的 G 也丢失了。如何选择 n 个字符,其中 n 提前未知但在字符串本身中指定?

请您参考如下方法:

re.sub 中的repl 参数可以是字符串或函数。

因此,您可以使用函数替换来完成非常复杂的事情:

def removechars(m): 
    x=m.group() 
    n=re.match(r'\+(\d+).*', x).group(1) # digit part 
    return '*'+x[1+len(n)+int(n):] 

解决您的问题:

>>> re.sub(r'\+[0-9]+[ACGTNacgtn]+', removechars, s) 
'.$......*.*.*GG'