在python列表中查找筛选特定字符串的正确规则

Question

我有一个很大的纯文本文件，我必须在Python3中‘清理’它。

现在，我将它读入一个包含以下字符串的列表：

['[chr10:43612033[C', '[chr10:61665880[G', 'C[chr20:3835205[', ']chr20:3870375]T', 'G]chr6:117650611]']

我的目标是将它变成一个仅包含中间部分'chr_xx:number'的字符串的列表。这意味着我需要找到一种方法，从原始字符串的开头和结尾删除1个或2个字符。

['chr10:43612033', 'chr10:61665880', 'chr20:3835205', 'chr20:3870375', 'chr6:117650611']

我在这里的问题是,我不能像模式一样按索引切片：

+介于1-22或X或Y之间的任意数字，例如。 CHR1或 CHR22或 CHRX或 CHRY

:后面的部分可以是最多跨越9位的任何整数。因此，我不能仅仅通过删除前x个字符或最后x个字符来进行切片。

这是因为有时我的相关字符串前面有2个字符，有时只有一个字符。如：

<any_letter>]chr10:<the_number>

或

]chr10:<the_integer>

或者相同的故事，但带有开头的方括号[。

字符串的最后部分也是如此。在我著名的1到9位数的任意长度的整数后面，我得到了] 或仅有一个]或相同的模式，但带有开头的方括号。

有什么高雅的想法吗？

Answer 1

正如注释中所建议的，您可以通过使用以下模式来简单地使用regex：

chr<digits>or<XY>:<digits>

如果您想了解更多关于正则表达式的信息，请查看以下内容

下面是一个工作示例：

import re

strings = [
    '[chr10:43612033[C',
    '[chr10:61665880[G',
    'C[chr20:3835205[',
    ']chr20:3870375]T',
    'G]chr6:117650611]',
    'G]chrX:117650611]',
    'G]chrY:117650611]',
]
print([re.search(r"chr(\d+|[X-Y]):\d+", s).group(0) for s in strings])

输出：

['chr10:43612033', 'chr10:61665880', 'chr20:3835205', 'chr20:3870375', 'chr6:117650611', 'chrX:117650611', 'chrY:117650611']