我有一个Fasta序列列表，每个序列如下所示：
>>> sequence_list[0]
'gi|13195623|ref|NM_024197.1| Mus musculus NADH dehydrogenase (ubiquinone) 1 alp
ha subcomplex 10 (Ndufa10), mRNAGCCGGCGCAGACGGCGAAGTCATGGCCTTGAGGTTGCTGAGACTCGTC
CCGGCGTCGGCTCCCGCGCGCGGCCTCGCGGCCGGAGCCCAGCGCGTGGG (etc)
我希望能够从列表中的每个fasta条目中提取基因名称，但是我很难找到正确的正则表达式。我以为这个可以用：“ ^ /（。+ /），$”。以括号开头，然后是任意数量的任意字符，然后以括号结尾，后跟逗号。不幸的是：这返回None：
test = re.search(r"^/(.+/),$", sequence_list[0])
print(test)
有人可以指出此正则表达式中的错误吗？
没有任何捕获组，
>>> import re
>>> str = """
... gi|13195623|ref|NM_024197.1| Mus musculus NADH dehydrogenase (ubiquinone) 1 alp
... ha subcomplex 10 (Ndufa10), mRNAGCCGGCGCAGACGGCGAAGTCATGGCCTTGAGGTTGCTGAGACTCGTC
... CCGGCGTCGGCTCCCGCGCGCGGCCTCGCGGCCGGAGCCCAGCGCGTGGG (etc)"""
>>> m = re.findall(r'(?<=\().*?(?=\),)', str)
>>> m
['Ndufa10']
仅当右括号后接逗号时，它才匹配括号内的单词。
说明：
(?<=\()在正则表达式(?<=pattern)中称为后向。实际上，它会查找与lookbehind中的模式匹配的字符串。在我们的情况下，后向内部的模式是\(一个文字(。.*?(?=\),)它匹配任何字符零次或多次。?之后*使比赛依依不舍。因此，它的匹配最短。正则表达式引擎要匹配的字符后面必须跟),本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句