基于开始或结束模式排除行的正则表达式

Question

我在文件中搜索与python中三种可能的regex模式之一不匹配的行。如果我要逐个搜索，模式是：

pattern1 = '_[AB]_[0-9]+$'
pattern2 = 'uce.+'
pattern3 = 'ENSOFAS.+'

Pattern2和pattern3接近行首（这些行从技术上讲是以>开始的）。字符串末尾的Pattern1。你知道吗

我见过将pattern2和pattern3与^>(?:(?!uce|ENSOFAS).+$)（我不确定格式是否正确）结合起来的方法。如何在单个正则表达式搜索中也包含pattern1。我这样做的原因是跳过与这些模式中任何一个匹配的行。你知道吗

Answer 1

实际上，您将三个较小的正则表达式组合成一个正则表达式，表示matcher可以匹配其中任何一个正则表达式来代替另一个正则表达式。一般的方法是alternation operator，正如@tallcuck所评论的那样。所以，根据他的例子和你的变量，我可以这样做：

pattern1 = '_[AB]_[0-9]+$'
pattern2 = '^>uce.+'
pattern3 = '^>ENSOFAS.+'
re_pattern = '(?:{}|{}|{})'.format(pattern1, pattern2, pattern3)
your_re = re.compile( re_pattern )

没有理由不能在每个子模式中包含行锚点^的开头，所以我已经这样做了。同时，您的示例使用了分组（非捕获）操作符，即`（？：…），所以我在这里也模仿了。你知道吗

上面的内容与您一次将所有内容组合在一起时完全相同：

your_re = re.compile('(?:_[AB]_[0-9]+$|^>uce.+|^>ENSOFAS.+)')

你可以选择哪个更易于阅读和维护。你知道吗

最后，请注意，按照问题的最后一段建议，拉出行锚的开头（^）可能更有效，或者regex引擎可能足够聪明，可以自己完成这项工作。建议先让它工作，然后优化如果你需要。你知道吗

另一种方法是在第一个模式中添加“match anything”操作符（.*），以匹配行开头的所有三个：

^(?:.*_[AB]_[0-9]+$|>uce.+|>ENSOFAS.+)