Python正则表达式来匹配和删除堆积形式的索引

Question

我的问题与下面的帖子类似，但我需要这个python：

Mpileup regex command to remove indels

输入： chr8 30 T 6…，$.$.$A，…A…，，，，，…+5AGGC…-8GTCGG……，A，^F，^].^F

我想删除可能类似于+5AGGC和{}的索引

输出： chr8 30 T 6…，$.$.$A，…A…，，，…..，……，A，^F，^].^F

我尝试了以下正则表达式，但不起作用，请帮助

= re.sub(" [+]?([0-9]+)([ACGTNacgtn]+)", "", seq)

= re.sub("-\d+[ACGT]+", "", seq)

Answer 1

这个终于奏效了

序列=re.sub公司（“+\d+[ACGT]+”，“”，序列号）

序列=re.sub公司（“-\d+[ACGT]+”，“”，序列号）

可能有助于某人谁正在寻找正则表达式删除索引从他们的堆积文件。在

Answer 2

This one worked finally

sequence = re.sub("+\d+[ACGT]+", "", sequence)

当然，这是错的。考虑：

.....+5AGGCTA.....

贪婪的^{会吃掉所有的基，而不仅仅是堆积符号所说的五个。如果您有一个质量分数字符串，您可以验证这一点，因为在删除索引和其他工件后，这两个字符串的长度将不一致。从概念上讲，我们想要的模式是：

^{pr2}$

但是regex语法不允许我们将变量放在重复运算符的一般形式中，即{5}可以，但不能使用反向引用{\1}。在

有几种方法可以做到这一点，主要涉及两个步骤：第一，通过计数匹配初始部分；第二，使用该计数完成工作。下面是一个例子：

import re

pileup = '...,$.$.$A,..A...,,,.,,...+5AGGCTA..-8GTCGGAAAT......,a,^F,^].^F,'

while True:
    match = re.search(r"[+-](\d+)", pileup)

    if match is None:
        break

    pileup = pileup[:match.start()] + pileup[match.end() + int(match.group(1)):]

print(pileup)

匹配符号和计数，提取计数。然后从字符串中剪切匹配本身加上count个字符。重复，直到找不到更多索引。在

输出

...,$.$.$A,..A...,,,.,,...A..T......,a,^F,^].^F,

另一种方法是使用第一个模式匹配的结果动态地创建第二个模式，您可以将其传递给re.sub()，依次删除每个索引。在

Answer 3

您只需使用re.compile('[-+]\d+[ACGTacgtNn]+')替换所有索引：

>>> import re
>>> REOBJ_RM_INDEL = re.compile('[-+]\d+[ACGTacgtNn]+')
>>> bases="...,$.$.$A,..A...,,,.,,...+4AGGC...-5GTCGG......,a,^F,^].^F,"
>>> REOBJ_RM_INDEL.sub('', bases)
... ...,$.$.$A,..A...,,,.,,............,a,^F,^].^F,