如何在python中使用带有不同数量空格的正则表达式

我正在尝试在此处重新格式化数据：

gi | 492845765 |参考| WP | 005999719.1 | DNA甲基转移酶[[真细菌]弱菌]

进入

[Eubacterium]infrarmum]gi | 492845765|

也就是说，我只想保留gi编号和生物体名称（生物体名称在gi编号之前），并去掉“额外”信息（在本例中，参考编号和“DNA甲基转移酶”）

我会做re.sub（r）（\w+|\w+|）\w+|\w\u\w\s\s\w\s（[.]），\2\1，行）

（或类似的事情）

然而，我的一些其他数据行在“额外”信息中有两个以上的单词。 例如：

gi | 548229945 | ref | WP | U 022448665.1 | dNA（胞嘧啶-5-）-甲基转移酶[罗丝布里亚菌属CAG:303]

---

我该如何编写正则表达式来重命名所有数据，以便将生物体名称放在前面，然后将gi编号放在后面，并删除所有其他内容？

这可能会满足您的要求：

(\w+\|\d+\|)(?:.*\s)(\[\S*)(?:\s)(.+\])

使用

\2\3\1

作为替换模式，

$2$3$1

的效果似乎是一样的

re.sub(r'(\w+\|\d+\|)(?:.*\s)(\[\S*)(?:\s)(.+\])', \2\3\1, line)

---

示例：

非常感谢！我如何消除第二组括号内的空白？啊，是的-我已经更新了答案，答案应该会保留空格。：）这一个只捕获了[括号，后面没有任何内容。我尝试将（[\w*）|（？：\s）|（在前括号后添加了/w*）但是它只找到第一个单词，然后在找到空格时停止。是的，很抱歉-我当时很匆忙，把它弄坏了。我已经更新了答案，虽然我认为捕获只是消除了第一个空格，所以它可能需要多一点爱。是的，它只是去掉了第一个空格。但是非常感谢！regex网站非常有用好工具，谢谢你给我看这个。