Python 用正则表达式验证输入 使用RE进行验证和分类输入

这里现在使用像“1-1-A-A”这样的输入，并在每个点上加“-” 但是输入可以是多种多样的，例如“chr1-1-C-G”、“3-1-C-A”、“CHRX-34-A-T”等

第一个位置应该接受“chr1，chr2，…chr23，chrX，ChrY” ，第二个位置只接受正数，第三和第四个位置只接受{A，C，G，T}的一个字母

因此，我考虑使用“re.findall”并使用错误案例来返回错误输入的警告。但不确定如何使用正则表达式给出错误

有人能帮忙吗

def _check_input(var_str):  # maybe better to check each input seperately
    """
    Checks if the input is a valid variant string
    :param var_str: string supposed to be in the format 'chr-pos-ref-alt'
    :return: bool which tells wether the input is valid
    """
    pattern = re.compile(
        r"""([1-9]|[1][0-9]|[2][0-2]|[XY])  # the chromosome
                        -(\d+)     # the position
                        -[ACGT]+   #RawDescriptionHelpFormatter,
                        -[ACGT]+  # alt""",
        re.X,
    )
    if re.fullmatch(pattern, var_str) is None:
        return False
    else:
        return True


def string_to_dict(inp):
    """
    Converts a variant string into a dictionary
    :param inp: string which should be a valid variant
    :return: dictionary with the variants keys and values
    """
    inp_list = inp.split("-")
    inp_dict = {
        "chr": inp_list[0],
        "pos": inp_list[1],
        "ref": inp_list[2],
        "alt": inp_list[3],
    }
    return inp_dict

---

正则表达式非常适合检查序列的全局有效性。不幸的是，我不知道如何使用一个正则表达式实现错误检查

因此，我认为可以使用正则表达式来检查输入的完整有效性。如果它无效，那么您可以添加更多的代码来警告用户可能出现的错误

import re


def _check_input(var_str):
    """
    Checks if the input is a valid variant string
    :param var_str: string supposed to be in the format 'chr-pos-ref-alt'
    :return: a match object
    :raises: ValueError on invalid input        
    """
    pattern = re.compile(
        r"(?:chr)?(?P<chr>[1-9]|[1][0-9]|[2][0-3]|[XY])"  # the chromosome
        r"-(?P<pos>\d+)"  # the position
        r"-(?P<ref>[ACGT])"  # RawDescriptionHelpFormatter
        r"-(?P<alt>[ACGT])",  # alt
        re.X | re.IGNORECASE,
    )
    match = re.match(pattern, var_str)

    if not match:
        _input_error_suggestion(var_str)

    return match # you can access values like so match['chr'], match['pos'], match['ref'], match['alt']

def _input_error_suggestion(var_str):
    parts = var_str.split('-')

    if len(parts) != 4:
        raise ValueError('Input should have 4 parts separated by -')

    chr, pos, nucleotide1, nucleotide2 = parts

    # check part 1
    chr_pattern = re.compile(r'(?:chr)?([1-9]|[1][0-9]|[2][0-3]|[XY])', re.IGNORECASE)
    if not re.match(chr_pattern, chr):
        raise ValueError('Input first part should be a chromosome chr1, chr2, ..., chr 23, chrX, chrY')

    # check part 2
    try:
        p = int(pos)
    except ValueError:
        raise ValueError('Input second part should be an integer')
    if p < 0:
        raise ValueError('Input second part should be a positive integer')

    # check part 3 and 4
    for i, n in enumerate((nucleotide1, nucleotide2)):
        if n not in 'ACGT':
            raise ValueError(f"Input part {3 + i} should be one of {{A,C,G,T}}")

    # something else
    raise ValueError(f"Input was malformed, it should be in the format 'chr-pos-ref-alt'")

重新导入
定义检查输入（变量str）：
"""
检查输入是否为有效的变量字符串
：param var_str:字符串的格式应为'chr pos ref alt'
：return：匹配对象
：引发：无效输入上的ValueError
"""
模式=重新编译(
r“（？：chr”）（？P[1-9]|[1][0-9]|[2][0-3]|[XY]）”#染色体
r“-（？P\d+）”位置
r“-（？P[ACGT]）”#RawDescriptionHelpFormatter
r“-（？P[ACGT]）”，#alt
re.X | re.IGNORECASE，
)
匹配=重新匹配（模式，变量）
如果不匹配：
_输入错误建议（变量str）
返回match#您可以访问诸如so match['chr']、match['pos']、match['ref']、match['alt']之类的值
定义输入错误建议（变量str）：
parts=var_str.split（'-'））
如果len（部件）！=4:
raise VALUE ERROR（'输入应包含4个部分，以“-”分隔）
chr，pos，核苷酸1，核苷酸2=部分
#检查第1部分
chr|u pattern=re.compile（r'（？：chr）？（[1-9]|[1][0-9]|[2][0-3]|[XY]），re.IGNORECASE）
如果不重新匹配（chr_模式，chr）：
raise VALUERROR（'输入的第一部分应该是染色体chr1，chr2，…，chr 23，chrX，chrY'）
#检查第2部分
尝试：
p=int（pos）
除值错误外：
raise VALUERROR（'输入第二部分应为整数'）
如果p<0：
raise VALUERROR（'输入第二部分应为正整数'）
#检查第3部分和第4部分
对于枚举中的i，n（（核苷酸1，核苷酸2））：
如果n不在“ACGT”中：
raise VALUERROR（f“输入部分{3+i}应该是{{A，C，G，T}}之一”）
#别的
raise VALUERROR（f“输入格式不正确，应为'chr pos ref alt'”格式）

旁注： 我改进了原来的正则表达式

• 添加可选的“chr”
• 命名组
• 每个核苷酸只有一个字母
• 修复缺失的23号染色体和
• 允许不区分大小写

---

哦，孩子，不要在那样的字符串中添加注释。代码有什么问题吗？作为旁白，你可能想要

[2][0-3]

而不是

[2][0-2]

，因为“第一个位置应该接受”chr1，chr2。。。chr 23“@Dionys不习惯使用stackflowsorry@WiktorStribiżew实际上想要调整使用re.filndall而不是使用“Split”“嘿@dionys谢谢你的评论。非常感谢。关于代码的简短问题。有没有其他不使用“split”函数的方法？如何使用它编写py.test？split有什么问题？关于py.test，您可以编写带有预成型输入的函数，您知道输出，并测试它是否引发正确的错误或正确通过。