Python 正则表达式匹配字符串中指定长度的单词

我正在尝试解析samtools mpileup的文本输出。我从一根绳子开始

s = '.$......+2AG.+2AG.+2AGGG'

每当我有一个

+

后跟一个整数

n

，我想在该整数后面选择n个字符，并用

*

替换整个内容。所以对于这个测试用例，我会

'.$......+2AG.+2AG.+2AGGG' ---> '.$......*.*.*GG' 

---

我有正则表达式

\+[0-9]+[ACGTNacgtn]+

，但这会导致输出

$..*.*.*.

，并且后面的G也会丢失。如何选择n个字符，其中n不是预先知道的，而是在字符串本身中指定的？

不是最优雅的，但在运行

re.sub

之前，我使用

re.findall

提取了数值

ls=re.findall('\+(\d)',s)

for i in ls:
    s=re.sub('\+(%s\w{%s})' % (i,i),'*',s)

---

re.sub

中的

repl

参数可以是字符串或函数

因此，您可以通过函数替换来完成非常复杂的工作：

def removechars（m）：
x=m.组（）
n=重新匹配（r'\+（\d+）.*'，x）.组（1）\数字部分
返回'*'+x[1+len（n）+int（n）：]

解决您的问题：

>>> re.sub(r'\+[0-9]+[ACGTNacgtn]+', removechars, s)
'.$......*.*.*GG'

---

谢谢，这是一个很好的建议。非常有帮助！