文件名匹配不组

import zipfile 
from collections import defaultdict 
from pprint import pprint 
import re 
from glob import glob 


filenames = glob("/batch3/*C*_paired_fastqc.zip") 


pattern = re.compile(r"([A-Z0-9-_]+)_L\d{3}\.*") 
grouped = defaultdict(list) 

for filename in filenames: 
    match = pattern.search(filename) 
    if match: 
     key = match.group(1) 
     grouped[key].append(filename) 

pprint(grouped) 

for i, g in enumerate(sorted(grouped.keys())): 
    for f in grouped[g]: 
     print f 

    print "--------"

输出：文件名匹配不组

/batch3/0046-CL7_S7_L003_R1_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L001_R1_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L002_R2_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L003_R2_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L004_R2_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L001_R2_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L002_R1_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L004_R1_001_output_paired_fastqc.zip 
-------- 
/batch3/0047-CLI_S8_L002_R1_001_output_paired_fastqc.zip 
/batch3/0047-CLI_S8_L004_R2_001_output_paired_fastqc.zip 
/batch3/0047-CLI_S8_L002_R2_001_output_paired_fastqc.zip 
/batch3/0047-CLI_S8_L003_R2_001_output_paired_fastqc.zip 
/batch3/0047-CLI_S8_L004_R1_001_output_paired_fastqc.zip 
/batch3/0047-CLI_S8_L001_R2_001_output_paired_fastqc.zip 
/batch3/0047-CLI_S8_L003_R1_001_output_paired_fastqc.zip 
/batch3/0047-CLI_S8_L001_R1_001_output_paired_fastqc.zip

不过，我想有：

/batch3/0046-CL7_S7_L001_R1_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L001_R2_001_output_paired_fastqc.zip 
--------- 
/batch3/0046-CL7_S7_L002_R1_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L002_R2_001_output_paired_fastqc.zip 
--------- 
/batch3/0046-CL7_S7_L003_R1_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L003_R2_001_output_paired_fastqc.zip 
--------- 
/batch3/0046-CL7_S7_L004_R1_001_output_paired_fastqc.zip 
/batch3/0046-CL7_S7_L004_R2_001_output_paired_fastqc.zip

不幸的是，我无法弄清楚如何匹配文件名。

来源

2016-02-26 user977828

你所需的输出不会出现你输入对应。你试图完成什么？ –

您的输出结果不正确......它具有多个相同的文件名。看起来你正在分组在S7，S8等......当你想要L001，L002等时，所以正则表达式选择了错误的部分。尝试''_L \ d {3} _“'来代替。 – tdelaney

是的，修复输出 – user977828

两个变化：

re.compile(r"([A-Z0-9-_]+)_L\d{3}\.*") - > re.compile(r"([A-Z0-9-_]+)_L(\d{3})\.*")
match.group(1) - > match.group()

你的正则表达式匹配了只0046/一部分。新的一个你做了两个组，第二个匹配L001/L002部分。该.group()方法的行为与这个新模式的一些例子：

pattern.search(filenames[0]).group() 
'0046-CL7_S7_L003' 
pattern.search(filenames[0]).group(1) 
'0046-CL7_S7' 
pattern.search(filenames[0]).group(2) 
'003'

来源

2016-02-26 04:27:38

不幸的是，它不起作用 – user977828

它在这里使用在你的例子中的16个文件名工作。确保你已经做了上面的两个更改。 Robᵩ的其他答案与我的非常相似，应该也可以工作。 –

两个选择：

1）加括号()在你的意图排序的关键，就像这样：

pattern = re.compile(r"(([A-Z0-9-_]+)_L\d{3})")

注意附加括号。

现在match.groups()看起来像：('0046-CL7_S7_L003', '0046-CL7_S7')，你可以使用match.group(1)排序。

2）让你的正则表达式相同，但使用match.group(0)您的排序：

key = match.group(0)

来源

2016-02-26 04:28:34

不幸的是，它不起作用 – user977828

你能更具体吗？它在我的测试中运行良好。 –

文件名匹配不组

回答

相关问题