正則表達式用於捕獲組，其僅有時呈現

Question

我有一組像文件名：

PATJVI_RNA_Tumor_8_3_63BJTAAXX.310_BUSTARD-2012-02-19.fq.gz 
PATMIF_RNA_Tumor_CGTGAT_2_1_BC0NKBACXX.334_BUSTARD-2012-05-07.fq.gz 

我想有一個單一的正則表達式（在python，僅供參考），可捕捉各之間的基團的「_」字符。但是請注意，在第二個文件名中，存在一個不存在於第一個文件名中的組。當然，可以使用字符串拆分等，但我想用一個正則表達式來完成此操作。第一個文件名正則表達式是這樣的：

(\w+)_(\w+)_(\w+)_(\d)_(\d)_(\w+)\.(\d+)_(\S+)\.fq\.gz 

而第二個是：

(\w+)_(\w+)_(\w+)_(\w+)_(\d)_(\d)_(\w+)\.(\d+)_(\S+)\.fq\.gz 

我想正則表達式組爲空時可選基團存在，幷包含可選當它存在時（這樣我可以稍後使用它來創建一個帶有\ 4的新文件名）。

Answer 1

要使羣組可選，您可以在所需的羣組後添加?。像這樣： （\ w +）？

但是你的例子有一個下劃線，它也應該是可選的。要處理它，你可以將它與可選組合在一起。

((\w+)_)? 

但是，這會爲您的匹配結果添加一個新組。爲了避免它，使用不匹配的組：

(?:(\w+)_)? 

最終的結果將是這樣的：

(\w+)_(\w+)_(\w+)_(?:(\w+)_)?(\d)_(\d)_(\w+)\.(\d+)_(\S+)\.fq\.gz