空格和^Not Working-Python 3中的多个正则表达式替换

从我的搜索中，我看到这类问题已经被问了很多次，我理解了规范的解决方案。但是，没有一个解决我遇到的具体问题。我正在尝试编写一个函数，用Python 3.4中的正则表达式从字符串中去除无意义字符（染色体ID来自我正在处理的任何不同类型的生物信息学文件）。关于可能出现的奇怪字符的种类没有一般规则，所以我们的想法是以这样一种方式来编写，即可以快速添加新的特殊情况，我在下面的代码中包含了一些示例

遵循其他几个帖子的逻辑：

等等

我写了以下内容：

def fix_chromosome_id(chromosome):
    replacements = OrderedDict([(r'lcl|', ''),
                                (r'gi|', ''),
                                (r'chromosome', ''),
                                (r'^chr', ''),
                                (r'_+', ''),
                                (r'\s+', ''),
                                (r'^\s', ''),
                                (r'\s$', ''),
                                (r'/', '_'),
                                (r'|$', ''),
                                (r'|', '_'),
                                (r'(', '_'),
                                (r')', '_'),
                                (r'_+', '_')])  # Ordered dictionary of regex and substitutions from list of tuples

    # Compile as regex objects, substitute regex as specified in the ordered dictionary
    pattern = re.compile('|'.join(re.escape(regex) for regex in replacements))
    chromosome = pattern.sub(lambda match: replacements[match.group(0)], chromosome, re.IGNORECASE)

您可以看到，我已经从元组列表创建了一个有序字典，因为替换的顺序可能很重要，而标准字典不会考虑这一点。然后将这些键用作正则表达式并尝试替换为相应的值

我的问题：

不敏感地替换case不起作用（'chromosome12'但是 非“染色体12”被替换为“12”，尽管有re.IGNORECASE）

替换字符串开头无效（'chr12'无效 替换为“12”）

不会删除空白字符，例如\s，尽管它们是 包含为原始字符串

我所能找到的使用字典键和值的例子中，没有一个是以这种方式研究这些特殊字符的行为的

但是，如果我写了以下内容：

if re.search(r'^0+$', chromosome):
        chromosome = 0

这对于用一个零替换任意数量的零组成的字符串来说效果很好

---

那么，上述代码有什么问题？如果你能看一看的话。我可以为每个特定实例键入

re.sub（）

，但肯定有更有效的方法来做到这一点。

用于构建

OrderedDict

的简单的2元组列表可能是更好的数据结构，因为模式和其替换之间没有真正的键/值关系。此外，您还有一个重复的密钥，并且在字典中只会出现一次！将其保留为列表将使用更少的内存来引导（但可能不是主要因素）

我看到的主要问题是，您正在以编程方式转义模式。因此，模式中的特殊字符没有其特殊含义。例如，

re.escape（）

将

+

更改为

\+

，这意味着它现在匹配的是一个文字加号，而不是“前面的一个或多个字符”。这并不能解释您的一些问题（例如，大小写不敏感不起作用），但在解决此问题之前，您将对所有问题感到非常困惑

您可能应该做的是在原始模式中转义需要转义的内容（例如，我假设模式中的

字符，例如

li

是为了匹配文本

，因此应该编写

\\\

），而不使用

re.escape（）

---

另外，由于您没有对替换做任何花哨的操作，因此可以在调用中使用替换文本的

re.sub（）

，而不是编写一个执行相同操作的

lambda

。

根据kindall的建议，我稍微简化了一些事情。lambda有时很方便，但在这种情况下并不需要，它会降低可读性。订购字典是个好主意，但没有必要

解决方案：

def fix_chromosome_id(chromosome):
        replacements = [('lcl\|', ''),
                        ('gi\|', ''),
                        ('chromosome', ''),
                        ('^chr', ''),
                        ('^_+', ''),
                        ('\s+', ''),
                        ('^\s', ''),
                        ('\s$', ''),
                        ('\/', '_'),
                        ('\|$', ''),
                        ('\|', '_'),
                        ('\(', '_'),
                        ('\)', '_'),
                        ('_+', '')]  # Regex and substitutions from list of tuples

        # Compile as regex objects, substitute regex as specified in the ordered dictionary
        for rep_tuple in replacements:
            regex_pattern = re.compile(rep_tuple[0], re.IGNORECASE)
            rep = rep_tuple[1]
            chromosome = regex_pattern.sub(rep, chromosome)

---

我不知道为什么re.IGNORECASE以前不起作用，但现在一切都好了。

有一次，一个小建议被证明是非常有价值的！我正在使它变得更复杂，可读性更低，因此比我需要的分类字典更少“pythonic”。我仍然不太清楚所有的问题到底是什么，但现在通过消除这些问题和程序性转义，这些问题已经得到了解决。非常感谢。