在行内搜索特定的短语模式。 Python

Question

我已经制定了一些我需要在文件中搜索的规则。这些规则本质上是包含未知数量单词的短语。例如，

mutant...causes(...)GS

这是一个短语，我想在我的文件中搜索。 ... 表示这里应该有几个词（即在这个间隙中）和(...) 表示这个间隙中可能有/可能没有词。 GS 这是我知道的固定字符串变量。

基本上，我通过查看许多此类文件来制定这些规则，它们告诉我特定文件可以满足我的要求。

问题是间隙可以包含任何（少量）单词。甚至可以有一条新线从其中一个间隙开始。因此，我不能进行相同的字符串匹配。

一些示例文本 -

1. !Series_summary "To better understand how the expression of a *mutant gene that causes ALS* can perturb the normal phenotype of astrocytes, and to identify genes that may

这里的 GS 是 ALS（已定义），加星标的文本应与规则 mutant...causes(...)GS 匹配

1. !Series_overall_design "The analysis includes 9 samples of genomic DNA from isolated splenic CD11c+ dendritic cells (>95% pure) per group. The two groups are neonates born to mothers with *induced allergy to ovalbumin*, and normal control neonates. All neonates are genetically and environmentally identical, and allergen-naive."

这里的 GS 是卵清蛋白（已定义），加星标的文本应该是规则的正匹配 induced...to GS

我是python编程的初学者，所以任何帮助都会很棒！

Answer 1

以下内容应该可以帮助您入门，它将读取您的文件并使用 Python regular expression 显示所有可能的匹配行，这将帮助您确定它匹配所有正确的行：

import re

with open('input.txt', 'r') as f_input:
    data = f_input.read()
    print re.findall(r'(mutant\s.*?\scauses.*?GS)', data, re.S)

然后只搜索一个匹配项的存在，将findall 更改为search：

import re

with open('input.txt', 'r') as f_input:
    data = f_input.read()
    if re.search(r'(mutant\s.*?\scauses.*?GS)', data, re.S):
        print 'found'

要对许多此类文件执行此操作，您可以按如下方式进行调整：

import re
import glob

for filename in glob.glob('*.*'):
    with open(filename, 'r') as f_input:
        data = f_input.read()
        if re.search(r'mutant\s.*?\scauses.*?GS', data, re.S):
            print "'{}' matches".format(filename)