正则表达式匹配多行重复模式

Question

我有一个带有标题（用“>”表示）的文件，下一行是文本。我需要捕获标题中包含相同数字的组。在下面的示例文本中，我想将前四行（两个标题都包含“4471”）打印到一个文件，将最后四行（标题包含“4527”）打印到另一个文件。>VUSY-4471AAAGTAATTCAGGATGAAGAGAGACTGCT>XFJG-4471AATGTTATTCAAGATGAAGATAGGTTGCTGGCTGCA>Ambtr-4527GAGGAGCGGGTGATTGCCTTGGTCGTTGGTGGTGG>Arath-4527GAAGAGAGAGTGAATGTTCTTGTA在文本编辑器中测试时，以下正则表达式成功捕获了文本组（见屏幕截图），但我似乎无法使其在 python 脚本中工作。任何帮助将不胜感激！！>.+?-(\d+)[\S\s]+>.+-\1\n.+捕获的文本示例

Answer 1

仅仅提取一串数字，这个正则表达式似乎有点过于复杂。这是一个更简单的正则表达式的解决方案

import re

pat = re.compile(r'(\d+)')

with open('infile.txt') as infile:

    for line in infile:

        num = pat.findall(line)[0]

        with open(digits+".txt", "a+") as f:

            f.write(line)

            f.write(next(infile))  # This assumes an even number of lines in the input file

Answer 2

如果你分解你想要做的事情，你可能可以节省一些时间来弄清楚如何用正则表达式解决整个问题：阅读两行，根据第一行中的数字决定它需要转到哪个文件，然后继续下一个对，直到整个文件都被解析。这样，您只需要一个非常简单的正则表达式即可从第一行获取数字：^>.+?-(\d+)$或者甚至只是>.+-(\d+)一次执行一行。