正则表达式：如何在一行中找到 3 个或更多匹配项不仅仅是一个一个

Question

我尝试在文件中查找“1/1”或“0/0”出现 3 次或更多次的行。我在 Python 中使用正则表达式。我用https://regex101.com/ 测试我的正则表达式。

这是我的输入文件的一部分：

0   chr1  1152 NaN   G   A   1355.64     NaN   1/1   0/1   0/1  0/1   1/1   0/1   0/1   0/1   0/1   1/1   0/1   0/1
4   chr1  1331 NaN   A   C   4171.07     NaN   0/0   0/1   0/1  0/1   0/0   0/1   0/1   0/1   0/1   0/0   0/1   0/1
5   chr1  1349 NaN   T   C  11194.50     NaN   0/1   0/1   0/1  0/1   1/1   0/1   0/1   0/1   0/1   1/1   0/1   0/1
6   chr1  1401 NaN   T   G  10825.80     NaN   0/1   0/1   0/1  0/1   1/1   0/1   0/1   0/1   0/1   1/1   0/1   0/1
8   chr1  4045 NaN   G   T   1917.92     NaN   1/1   1/1   1/1  1/1   1/1   1/1   0/1   1/1   0/1   1/1   0/1   1/1

我写了一个正则表达式来查找行首：

r"^\d\s{3}(chr\d)?\s{2}\d+\s+\D+\d+\.\d+\s+\w+"

但我对下一部分有疑问。我试过了：

r"^\d\s{3}(chr\d)?\s{2}\d+\s+\D+\d+\.\d+\s+\w+(\s{2,}1/1|\s{2,}0/0)"

但它只找到第一次出现的“1/1”或“0/0”。当我尝试使用时：

r"^\d\s{3}(chr\d)?\s{2}\d+\s+\D+\d+\.\d+\s+\w+((\s{2,}1/1){3,}|(\s{2,}0/0){3,})"

那么只有一个匹配，其中 '1/1' 出现 3 次或更多，但一个接一个：

8   chr1  4045 NaN   G   T   1917.92     NaN   1/1   1/1   1/1  1/1   1/1   1/1   0/1   1/1   0/1   1/1   0/1   1/1

关于如何查找 >= 3 '1/1' 或 '0/0' 的所有行的任何想法？ 非常感谢！

Answer 1

如果要保留第一个捕获组，可以使用第一个模式，然后匹配 3 次 0/0 或 1/1

^\d\s{3}(chr\d)\s{2}\d+\s+\D+\d+\.\d+\s+\w+(?:(?:\s{2,}\d/\d)*?\s{2,}([10])/\2\b){3}

模式的第二部分：

(?:(?:\s{2,}\d/\d)*\s{2,}([10])/\2){3}

• (?:非捕获组整体重复
  • (?:非捕获
    • \s{2,}\d/\d 匹配 2 个或更多空白字符
  • )*? 关闭组并选择性地重复非贪婪
  • \s{2,} 匹配 2 个或更多空格字符
  • ([10])/\2\b 捕获第 2 组中的 0 或 1，并匹配 /，后跟对第 2 组的反向引用以匹配 0/0 和 1/ 的数字，后跟单词边界以防止部分匹配
• ){3}关闭小组并重复3次

Regex demo

如果您还想匹配该行的其余部分，您可以将.* 附加到模式中。

Answer 2

也许您可以使用积极的前瞻：

^\d\s{3}(chr\d){2}\d+ +\D+\d+\.\d+\s+\w+(?=.*(([10])/\3)(?:.*\2){2})(?:\s+[10]/[10]){12}$

在线查看demo

添加部分(?=.*(([10])/\3)(?:.*\2){2})(?:\s+[10]/[10]){12}$表示：

• (?= - 打开一个积极的前瞻；
  • .* - 匹配除换行符以外的 0+ 个（贪婪）字符；
  • (([10])/\3) - 第二个捕获组，用于捕获正斜杠后重复的 1 或 0；
  • (?:.*\2){2} - 打开一个非捕获组，将 0+ 个字符匹配到第二个捕获组中捕获的模式并匹配两次；
  • ) - 关闭正向前瞻；
• (?:\s+[10]/[10]){12} - 第二个非捕获组，用于匹配 1+ 个空白字符以及 1 和 0 的模式，正斜杠作为分隔符。匹配该组十二次；
• $ - 终点线锚。

Answer 3

这将起作用：

如果 0/0 在任何一行出现超过 3 次：

(.*(?:0\/0\b).*){3}

如果 1/1 在任何一行出现超过 3 次：

(.*(?:1\/1\b).*){3}

如果 0/0 出现 3 次或 1/1 出现 3 次

(.*(?:1\/1\b).*){3}|(.*(?:0\/0\b).*){3}

如果 0/0 1/1 中的任何一个出现 3 次

(.*(?:1\/1\b).*){3}|(.*(?:0\/0\b).*){3}|(.*((?:0\/0\b)|(?:1\/1)).*){3}

0/0：

1/1：

如果 0/0 出现 3 次或 1/1 出现 3 次

如果 0/0 1/1 中的任何一个出现 3 次