如何仅打印具有五个或更多匹配正则表达式的行？答案

【问题标题】：How can I print only the lines with five or more matches of a regular expression?如何仅打印具有五个或更多匹配正则表达式的行？
【发布时间】：2013-04-06 00:33:26
【问题描述】：

我正在尝试在 Python 中使用正则表达式逐行解析一个大的制表符分隔的文本文件，并打印该行包含 5 个或更多 0/1 或 1/1 实例的行。

我的脚本快到了，但我正在为 5 个或更多实例而苦苦挣扎。

这将打印一个匹配的行。

import re  
f = open ("infile.txt", "r")  
out = open("outfile.txt", "w")  

for line in f:  
    if re.match(r"(.*)(0|1)/(1)(.*)", line):  
        print >> out, line,

要仅打印具有 5 个或更多匹配项的行，我尝试了 findall 和 finditer，如下所示，但它们不起作用：

for line in f:  
    x = len(re.findall(r"(.*)(0|1)/(1)(.*)", line)):  
    if x > 5:  
        print >> out, line,

谁能帮我解决这个问题？

这里是文本文件中一行的示例（所有空格都是文件中的制表符）：

X 6529 . C A,G PASS AC=4,2;AF=0.6777 1/1:0,20 0/1:0,16 0/1:0,16 0/0:4,16 0/0:3,1

【问题讨论】：

怎么不行？你能修复你的缩进吗？

标签： python regex python-2.x multiple-instances

【解决方案1】：

您可以使用 {5,} 匹配模式 5 次或更多次

import re
f = open ("data.txt", "r")
out = open("dataout.txt", "w")

for line in f:
    if re.match(r"(.*([01]/1.*){5,}", line):
        print >> out, line,

【讨论】：

【解决方案2】：

我认为有两种可行的解决方案。第一个坚持您当前的想法，即使用与0/1 或1/1 匹配的模式来执行findall。第二个是创建一个模式，一次匹配该文本五次。

对于第一种方法，我认为您需要做的就是摆脱当前模式的 .astericssymbol 位（我真的不明白为什么要拼写出来，而不是 .*，但这也是错误的方式）。这是应该工作的代码：

for line in f:
    matches = re.findall(r'[01]/1', line)
    if len(matches) >= 5:
        print >> out, line,

我已经消除了不需要的捕获组，这可能会使事情变慢。

对于第二种方法，您只需调用一次re.search，它只会在找到 5 个适当排序的匹配项时返回非None 值。该模式使用重复语法{N} 来准确查找前面模式的N 副本。在这种情况下，我们需要匹配0/1 或1/1 位之间的额外字符，因此该模式添加了.*。由于我们想重复整个事情，我们需要将它包装在一个非捕获组中：

for line in f:
    if re.search(r'(:?[01]/1.*){5}', line):
        print >> out, line,

【讨论】：