如果我有线条:
- 'aslkdfjcacttlaksdjcacttlaksjdfcacttlskjdf'
- 'asfdcacttaskdfjcacttklasdjf'
- 'cksjdfcacttlkasdjf'
我想通过重复子单元 (cactt) 出现的次数来匹配它们。换句话说,如果我要求 n 次重复,我希望匹配包含 n 个且仅包含 n 个模式实例。
我最初的尝试是在 perl 中实现的,看起来像这样:
sub MATCHER {
print "matches with $_ CACTT's\n";
my $pattern = "^(.*?CACTT.+?){$_}(?!.*?CACTT).*\$";
my @grep_matches = grep(/$pattern/, @matching);
print "$_\n" for @grep_matches;
my @copy = @grep_matches;
my $squashed = @copy;
print "number of rows total: $squashed\n";
}
for (2...6) {
MATCHER($_);
}
注意事项:
@matching contains the strings from 1, 2, and 3 in an array. the for loop is set from integers 2-6 because I have a separate regex that works to forbid duplicate occurrences of the pattern.
这个循环几乎可以工作,除了 n=2 时,会返回包含 3 次“cactt”模式的匹配项。事实上,对于任何包含 n+1 个匹配项(其中 n>=2)的字符串,匹配项也会返回出现 n+1 次的行。我虽然消极的前瞻可以防止perl中的这种行为。如果有人能给我一些想法,我将不胜感激。
另外,我曾想过每行计数并按计数分隔它们;我不喜欢这种方法,因为它需要两个步骤才能完成我想要的。
我可以接受:
foreach (@matches) { $_ =~ /$pattern/; push(@selected_by_n, $1);}
正则表达式看起来应该是相似的,但在实践中无论出于何种原因,结果差异很大。
提前致谢!
最佳答案
你的代码有点奇怪。这个正则表达式
my $pattern = "^(.*?CACTT.+?){$_}(?!.*?CACTT).*\$";
..尝试匹配字符串 ^
的第一个开头,然后是任何字符 .*?
的最小匹配,然后是您的序列 CACTT
,后跟一个最小匹配(但与 .*?
略有不同).+?
。你想匹配这些 $_
次。您假设调用 sub 时 $_
是正确的(这很糟糕)。然后,您有一个前瞻性假设,希望确保没有任何字符 .*?
的最小匹配,然后是您的序列,然后是任何长度的任何字符,然后是行尾 $
.
首先,这总是多余的:^.*
。行首 anchor 后跟任意字符任意次数。这实际上使 anchor 无用。 .*$
也是如此。为什么?因为任何将发生的匹配,无论如何都会在第一个可能的时间发生。 .*$
与空字符串的作用完全相同:任何东西。
例如:正则表达式 /^.*?foo.*?$/
与 /foo/
完全匹配。 (不包括与包含换行符的字符串进行多行匹配的情况)。
在你的情况下,如果你想计算一个字符串在一个字符串中出现的次数,你可以像这样匹配它们:
my $count = () = $str =~ /CACTT/gi;
这段代码:
my @copy = @grep_matches;
my $squashed = @copy;
完全是多余的。你可以做 my $squashed = @grep_matches
。首先复制数组几乎没有意义。
这段代码:
MATCHER($_);
与此相同:MATCHER("foo")
或 MATCHER(3.1415926536)
。您没有使用 subroutine 参数,而是忽略了它,并依赖于 $_
是全局且在 sub 内可见的事实。你想做的是
sub MATCHER {
my $number = shift; # shift argument from @_
现在你已经封装了代码,一切都很好。
我假设你想要做的是计算字符串中子字符串的出现次数,然后报告它们。我会做这样的事情
use strict;
use warnings;
use Data::Dumper;
my %data;
while (<DATA>) {
chomp;
my $count = () = /cactt/gi; # count number of matches
push @{ $data{$count} }, $_; # store count and original
}
print Dumper \%data;
__DATA__
aslkdfjcacttlaksdjcacttlaksjdfcacttlskjdf
asfdcacttaskdfjcacttklasdjf
cksjdfcacttlkasdjf
这将打印出来
$VAR1 = {
'2' => [
'asfdcacttaskdfjcacttklasdjf'
],
'3' => [
'aslkdfjcacttlaksdjcacttlaksjdfcacttlskjdf'
],
'1' => [
'cksjdfcacttlkasdjf'
]
};
这只是为了演示如何创建数据结构。您现在可以按匹配顺序访问字符串。例如:
for (@$data{3}) { # print strings with 3 matches
print;
}
关于regex - 正则表达式只匹配 n 次,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65095132/