Snakemake Bash严格模式下如何正确使用"_([^_]+)_"表达式

核心需要同时处理Snakemake语法解析规则和Bash严格模式（set -euo pipefail）的转义要求，针对你要使用的_([^_]+)_正则，按以下规则调整即可正常运行：

• 首先明确两个解析层级的冲突点

  • Snakemake的shell块会优先解析{}包裹的内容作为工作流通配符、参数占位符，非占位符的花括号需要转义；Python层面的字符串转义也可能吃掉正则里的反斜杠
  • Bash严格模式下会对无引号包裹的字符串做文件名扩展、变量解析，未正确包裹的正则元字符会被提前解析，轻则匹配失效，重则触发脚本报错退出

• 具体调整规则

  1. 正则本身不需要修改下划线、圆括号的写法：你当前使用的_([^_]+)_没有Snakemake会优先解析的{字符，不需要针对Snakemake额外转义这几个元字符
  2. 所有正则传递给Bash命令时必须用单引号包裹：禁止用双引号包裹正则，双引号上下文下Bash仍会解析部分元字符，严格模式下极易触发扩展错误
  3. 含反向引用等带反斜杠的正则场景，给shell块加原始字符串前缀r，避免Python层面提前转义反斜杠
  4. 如果把正则定义在params块中复用，要把参数占位符放在单引号内部传入Bash，不要让占位符直接暴露在无引号上下文

• 正确写法示例
  直接在shell块中调用grep匹配的场景：

  rule regex_match:
      output: "match_res.txt"
      shell:
          r"""
          set -euo pipefail
          # 正则用单引号包裹，直接写原始表达式即可
          echo "sample_targetid_other" | grep -E '_([^_]+)_' > {output}
          """
  

  用sed提取捕获组内容的场景：

  rule regex_extract:
      input: "raw.txt"
      output: "extracted.txt"
      shell:
          r"""
          set -euo pipefail
          # 开启扩展正则支持，捕获组写法不需要额外转义圆括号
          sed -E 's/.*_([^_]+)_.*/\1/' {input} > {output}
          """
  

  复用params中预定义正则的场景：

  rule regex_reuse:
      params:
          pattern = r"_([^_]+)_"
      input: "raw.txt"
      output: "grep_res.txt"
      shell:
          r"""
          set -euo pipefail
          # 参数占位符放在单引号内部，传入后自动被单引号包裹
          grep -E '{params.pattern}' {input} > {output}
          """
  

• 常见避坑

  • 不要给下划线加额外转义：\_在部分正则工具中会被识别为特殊元字符，反而导致匹配失败
  • 不要在正则里混入无转义的{字符：如果后续正则调整需要用到量词花括号（比如[a-z]{2}），必须把单个花括号写成双花括号{{}}做Snakemake转义，即写成[a-z]{{2}}
  • 不要省略-E参数：grep、sed默认使用基础正则，圆括号会被识别为普通字符，加-E开启扩展正则后捕获组写法才会生效

内容的提问来源于stack exchange，提问作者P.Yuan