正则表达式，用于捕获有时只存在的组

Question

我有一组文件名，如：

PATJVI_RNA_Tumor_8_3_63BJTAAXX.310_BUSTARD-2012-02-19.fq.gz
PATMIF_RNA_Tumor_CGTGAT_2_1_BC0NKBACXX.334_BUSTARD-2012-05-07.fq.gz

我希望有一个正则表达式（python中，仅供参考），可以捕获“216;”字符之间的每个组。但是，请注意，在第二个文件名中，存在一个组，而第一个文件名中不存在该组。当然，可以使用字符串拆分等，但我希望使用单个正则表达式。第一个文件名的regex类似于：

(\w+)_(\w+)_(\w+)_(\d)_(\d)_(\w+)\.(\d+)_(\S+)\.fq\.gz

第二个是：

(\w+)_(\w+)_(\w+)_(\w+)_(\d)_(\d)_(\w+)\.(\d+)_(\S+)\.fq\.gz

当可选组存在时，我希望regex组为空；当可选组存在时，我希望regex组包含可选组（这样我可以在以后用它来构造带有\4的新文件名）。你知道吗

Answer 1

要使组成为可选的，可以在所需组之后添加?。这样地： （\w+）？你知道吗

但您的示例中有一个下划线，它也应该是可选的。要处理它，可以将它与可选组组合在一起。你知道吗

((\w+)_)?

不过，这将为您的匹配结果添加一个新组。要避免这种情况，请使用不匹配的组：

(?:(\w+)_)?

最终结果如下：

(\w+)_(\w+)_(\w+)_(?:(\w+)_)?(\d)_(\d)_(\w+)\.(\d+)_(\S+)\.fq\.gz