正则表达式以匹配包含混合大写字母和的字符串\n

Question

我想编写一个正则表达式，它只在字符串以\n开头、至少以一个大写字母继续并以\n结尾时才匹配该字符串。该字符串可以包含此模式的重复，例如：

\n[A-Z]\n[A-Z]\n

我在这个输入上尝试了以下正则表达式：\n（（[A-Z]+\n）+）：

200LA 012F5421F2E8A172 164 XRAY 1.950 0.176 NA no Endolysin [Enterobacteria phage T4] ||1C63A 1C64A 1C65A MNIFEMLRIDEGLRLKIYKDTEGYYTIGIGHLLTKSPSLNAAKSELDKAIGRNTNGVITKDEAEKLFNQDVDAAVRGILR NAKLKPVYDSLDAVRRAALINMVFQMGETGVAGFTNSLRMAQQKRWDEAAVNLAKSRWYNQTPNRAKRVITTFRTGTWDA YKNL

我希望得到这样的结果： （'mnifemlridegrlkiykdtegytigighlltltkspslnaakseldkaigrngtngvitkdeaeklfnqdvdaavrgrirnakpkpvydsldavrralinmvfqmgetgvagftnslrmaqkrwdeaavnlaksrwynqtpnrakrvittfrtgtwdayknl'）

但是我得到了这个： （'mnifemlridegrlkiykdtegytigighllltkspslnaakseldkaigrnngvitkdeaeklfnqdvdaavrgillr\nnaklkpvydsldavrraalinmvqqmgetgvagftnslrmaqkrwdeaavnlaksrwynqtpnrakrvittfrtgtwda\nYKNL\n'，'YKNL\n'）

有人知道哪里出了问题吗？你知道吗

谢谢！你知道吗

Answer 1

您的正则表达式匹配与您的条件匹配的第一节（可能的最长版本）。你知道吗

文本中的第一行不是以\n开头的，因此它会移动到第一行\n之后的行，因为它与条件匹配，所以regex指定的组会被接受。你知道吗

对于您的结果，我建议使用\n(?:[A-Z]+\n)+（?:表示非捕获组，以防止捕获最后一个组以外的组），然后用空字符串替换换行符：

>>> a = """>200LA 012F5421F2E8A172 164 XRAY  1.950  0.176 NA no Endolysin <ENLYS_BPT4(1-164)> [Enterobacteria phage T4] ||1C63A 1C64A 1C65A
... MNIFEMLRIDEGLRLKIYKDTEGYYTIGIGHLLTKSPSLNAAKSELDKAIGRNTNGVITKDEAEKLFNQDVDAAVRGILR
... NAKLKPVYDSLDAVRRAALINMVFQMGETGVAGFTNSLRMAQQKRWDEAAVNLAKSRWYNQTPNRAKRVITTFRTGTWDA
... YKNL
... """
>>> m = re.findall('\n(?:[A-Z]+\n)+', a)
>>> m[0].replace('\n', '')
'MNIFEMLRIDEGLRLKIYKDTEGYYTIGIGHLLTKSPSLNAAKSELDKAIGRNTNGVITKDEAEKLFNQDVDAAVRGILRNAKLKPVYDSLDAVRRAALINMVFQMGETGVAGFTNSLRMAQQKRWDEAAVNLAKSRWYNQTPNRAKRVITTFRTGTWDAYKNL'