Python中匹配圆括号的正则表达式

Question

我有一个fasta序列的列表，每个序列都是这样的：

>>> sequence_list[0]
'gi|13195623|ref|NM_024197.1| Mus musculus NADH dehydrogenase (ubiquinone) 1 alp
ha subcomplex 10 (Ndufa10), mRNAGCCGGCGCAGACGGCGAAGTCATGGCCTTGAGGTTGCTGAGACTCGTC
CCGGCGTCGGCTCCCGCGCGCGGCCTCGCGGCCGGAGCCCAGCGCGTGGG (etc)

我希望能够从我列表中的每个fasta条目中提取基因名，但是我很难找到正确的正则表达式。我以为这个可以用：“^/（.+/），$”。以圆括号开头，然后是任意数量的任意字符，然后以圆括号结尾，后跟逗号。不幸的是：这将返回None：

^{pr2}$

有人能指出这个正则表达式中的错误吗？在

Answer 1

Can someone point out the error in this regex? r"^/(.+/),$"

1. regex转义character是\不是{}（不要与python转义字符混淆，后者也是\，但在使用原始字符串时不需要）
   =>；r"^\(.+\),$"

2. ^和$匹配输入字符串的开始/结束，而不是要输出的内容
   =>；r"\(.+\),"

3. 您需要将“any”字符匹配到第1个出现的)，而不是最后一个，因此需要lazy operator+?
   =>；r"\(.+?\),"

4. 如果基因名不能包含)字符，可以使用一个更快的正则表达式来避免backtracking
   =>；r"\([^)]+\),"

Answer 2

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']

它只匹配括号内的单词，只有当右括号后面跟逗号时。在

DEMO

说明：

• ^在regex (?<=pattern)中，{}被称为lookbehind。它实际上负责查找与lookbehind中的模式匹配的字符串。在我们的例子中，lookbehind中的模式是\(表示一个文本{}。在
• .*?(?=\),)它匹配任何字符零次或多次。?后面的*使匹配变得不情愿。所以它做了一个最短的匹配。正则表达式引擎要匹配的字符后面必须跟),

Answer 3

您需要转义括号：

>>> re.findall(r'\([^)]*\),', txt)
['(Ndufa10),']