如何用Python正则表达式根据字符串中的数字捕获对应数量的字符？

开发者阿泽

2026-7-23

用Python正则处理samtools pileup字符串，精准移除指定数量的插入碱基

要搞定这个需求，你得让正则动态匹配和捕获到的数字数量一致的碱基，不能像之前那样贪婪匹配所有后续碱基。

方法1：用反向引用指定匹配数量

Python的re模块允许用反向引用（比如\1）调用前面捕获的数字，结合量词{}就能实现动态匹配：

import re

original_str = ".....+3AAAT....."
# 正则拆解：
# \+ 匹配加号
# (\d+) 捕获数字，用来指定后续要匹配的碱基数量
# ([ACGTNacgtn]){\1} 精准匹配和捕获数字数量相同的碱基
processed_str = re.sub(r'\+(\d+)([ACGTNacgtn]){\1}', '', original_str)
print(processed_str)  # 输出: .....T.....

方法2：用回调函数灵活处理

如果需要更复杂的逻辑（比如区分大小写、额外校验），可以给re.sub传个回调函数：

import re

def remove_insertion(match):
    # 把捕获到的数字转成整数
    base_count = int(match.group(1))
    # 直接返回空，相当于删掉匹配到的「+数字+对应数量的碱基」部分
    return ''

original_str = ".....+3AAAT....."
processed_str = re.sub(r'\+(\d+)([ACGTNacgtn]+)', remove_insertion, original_str, count=1)
print(processed_str)  # 输出: .....T.....

这里加count=1是为了避免一次替换多个匹配，你可以根据实际需求调整这个参数。