跨多行匹配重复模式的正则表达式

Question

我有一个头文件（用“>；”表示）然后是下一行的文本。我需要捕获标题中包含相同数字的组。在下面的示例文本中，我想将前四行（两个标题都包含“4471”）打印到一个文件中，将最后四行（标题包含“4527”）打印到另一个文件中

>VUSY-4471
AAAGTAATTCAGGATGAAGAGAGACTGCT
>XFJG-4471
AATGTTATTCAAGATGAAGATAGGTTGCTGGCTGCA
>Ambtr-4527
GAGGAGCGGGTGATTGCCTTGGTCGTTGGTGGTGG
>Arath-4527
GAAGAGAGAGTGAATGTTCTTGTA

下面的regex在文本编辑器中测试时成功地捕获了文本组（参见屏幕截图），但我似乎无法在python脚本中使用它。任何帮助都将不胜感激

>.+?-(\d+)[\S\s]+>.+-\1\n.+

捕获文本示例

Answer 1

如果你分解了你要做的事情，你也许可以节省一些时间来弄清楚如何用正则表达式解决整个问题：读两行，根据第一行中的数字决定它需要转到哪个文件，然后转到下一对，直到整个文件被解析。这样，您只需要一个非常简单的正则表达式就可以从第一行获得数字：^>.+?-(\d+)$或者，如果您一次只做一行的话，甚至只需要>.+-(\d+)

Answer 2

正则表达式对于仅仅提取一串数字来说似乎有点过于复杂了。这里有一个简单正则表达式的解决方案

import re

pat = re.compile(r'(\d+)')

with open('infile.txt') as infile:
    for line in infile:
        num = pat.findall(line)[0]
        with open(digits+".txt", "a+") as f:
            f.write(line)
            f.write(next(infile))  # This assumes an even number of lines in the input file