正则表达式搜索只适用于我的一半文件，即使所有条目的格式都相同

Question

我的正则表达式搜索有点困难，我不知道为什么。我有一个文件，其值的格式如下：

         1  -1   2 SER HA   H   4.477 0.003 1
         2  -1   2 SER HB2  H   3.765 0.001 1
         3  -1   2 SER HB3  H   3.765 0.001 1
         4  -1   2 SER C    C 173.726 0.2   1
         5  -1   2 SER CA   C  58.16  0.047 1
         6  -1   2 SER CB   C  64.056 0.046 1
         7   0   3 HIS H    H   8.357 0.004 1
         8   0   3 HIS HA   H   4.725 0.003 1
         9   0   3 HIS HB2  H   3.203 0.003 2
        .....
         63   7  10 GLU HA   H   4.328 0.004 1
         64   7  10 GLU HB2  H   2.154 0.005 2
         65   7  10 GLU HB3  H   2.156 0.004 2
         66   7  10 GLU HG2  H   2.262 0.014 2
         67   7  10 GLU HG3  H   2.464 0.001 2
         68   7  10 GLU C    C 177.242 0.2   1
         69   7  10 GLU CA   C  59.009 0.068 1
...

我想逐行搜索上面的字符串

import re
with open('delete.txt') as file:
  for lines in file:
    modifier=lines.strip()
    A=re.search('\B\d+\s[A-Z][A-Z][A-Z]\s[A-Z]',modifier)
    if A != None:
        search=A.string
        print(search)

上述文件的格式变化很大，但始终保持一致的是会有一个数字，后面跟着3个字母，后面跟着另一个字母。即2 SER HA

所以我决定用它作为我的正则表达式搜索，但这不太管用。在63 7 10 GLU行之后，它工作得很好，但是它找不到之前的任何其他条目，尽管事实上每一行都是相同的格式

上面的示例是一个MVE

任何帮助都将不胜感激

Answer 1

import re
fhand=open('delete.txt')
for line in fhand:
    inp=line.rstrip()
    x=re.findall('^\d\s\S\d\s(\d\s\S+\s\S+)',inp) 
    if len(x) >0:  
        print(x)  

Answer 2

我相信您不需要在非单词边界位置开始搜索。不过，您可以添加\b。此外，如果存在匹配项，则可以打印lines变量，而不从匹配数据对象获取它

使用

import re
with open('delete.txt', 'r') as file:
  for lines in file:
    modifier=lines.strip()                              # Remove leading/trailing whitespace
    if re.search(r'\b\d+\s+[A-Z]{3}\s+[A-Z]',modifier): # If there is a match
        print(modifier)                                 # Print it  

见regex demo

如果需要获取字段值，请将最后一个[A-Z]替换为[A-Z0-9]+，请参见this regex demo

正则表达式详细信息

• \b-字边界
• \d+-1+位
• \s+-1+空格
• [A-Z]{3}-三个大写ASCII字母
• \s+-1+空格
• [A-Z]-一个大写ASCII字母

注意使用了原始字符串文字r'...'，这样我们就不必使用表示正则表达式转义的双转义反斜杠