如何在python中使用带有不同数量空格的regex

Question

我想在这里重新格式化我的数据：

gi|492845765|ref|WP_005999719.1| DNA methyltransferase [[Eubacterium] infirmum]

进入

[[Eubacterium]infirmum]gi|492845765|

也就是说，我只想保留gi编号和有机体名称（在gi编号前面有有机体名称），并去掉“额外”信息（在本例中，ref编号和“DNA甲基转移酶”）。你知道吗

I would do re.sub(r"(\w+ |\w + |) \w+|\w_\w|\s\w+\s\w\s ([.]), \2\1, line)

（或者类似的）

然而，我的其他一些数据行在“额外”信息中有两个以上的单词。 示例：

gi|548229945|ref|WP_022448665.1| dNA (Cytosine-5-)-methyltransferase [Roseburia sp. CAG:303]

我该如何编写一个regex表达式来重命名我的所有数据，以便将有机体名称放在前面，将gi编号放在后面，并删除其他所有数据？你知道吗

Answer 1

这可能会满足您的要求：

(\w+\|\d+\|)(?:.*\s)(\[\S*)(?:\s)(.+\])

使用\2\3\1作为替换模式，$2$3$1的效果似乎是一样的。你知道吗

re.sub(r'(\w+\|\d+\|)(?:.*\s)(\[\S*)(?:\s)(.+\])', \2\3\1, line)

例如：http://regex101.com/r/aP6lB9