正则表达式匹配混合大写字母和\ n

Question

我想写一个正则表达式将匹配字符串，只有当它与\ n开头的字符串，继续与至少一个大写字母，并用\ n结束。字符串可能包含这个模式的重复，例如：

\ n [A-Z] \ n上[A-Z] \ n上。

我试图此正则表达式：\ N（（[AZ] + \ n）的+），在这个输入：

200LA 012F5421F2E8A172 164 XRAY 1.950 0.176 NA无细胞内溶素[肠杆菌噬菌体T4] || 1C63A 1C64A 1C65A MNIFEMLRIDEGLRLKIYKDTEGYYTIGIGHLLTKSPSLNAAKSELDKAIGRNTNGVITKDEAEKLFNQDVDAAVRGILR NAKLKPVYDSLDAVRRAALINMVFQMGETGVAGFTNSLRMAQQKRWDEAAVNLAKSRWYNQTPNRAKRVITTFRTGTWDA YKNL

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

，而是，我得到了这一个： （' MNIFEMLRIDEGLRLKIYKDTEGYYTIGIGHLLTKSPSLNAAKSELDKAIGRNTNGVITKDEAEKLFNQDVDAAVRGILR \ nNAKLKPVYDSLDAVRRAALINMVFQMGETGVAGFTNSLRMAQQKRWDEAAVNLAKSRWYNQTPNRAKRVITTFRTGTWDA \ nYKNL \ n”， 'YKNL \ n'）

有谁知道哪里出了问题？

谢谢！

Answer 1

你的正则表达式的第一部分符合你的条件（的最长的版本）相匹配。

在文本中的第一行不以\n启动，以便将其移动到看行第一\n之后，由于它的条件匹配，通过你的正则表达式指定的组接受的结果。

你的结果，我会建议用\n(?:[A-Z]+\n)+（?:代表非捕获组，以防止没有，但在最后一组中捕获），然后用空字符串保换换行符匹配：

>>> 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'