我正在解析如下所示的多行文本记录:
> UniRef50_A0A091LJV8 Lysozyme g (Fragment) n=2 Tax=Chlamydotis
macqueenii RepID=A0A091LJV8_9GRUI
Length=186
Score = 114 bits (285), Expect = 3e-30, Method: Compositional matrix adjust.
Identities = 54/83 (65%), Positives = 65/83 (78%), Gaps = 0/83 (0%)
Query 1 ASCKTAKPEGLSYCGVSASKKIAERDLQAMDRYKTIIKKVGEKLCVEPAVIAGIISRESH 60
AS TA+PEGLSY GVSAS+KIAE+DL+ M +++ I +V V+PA+IAGIISRESH
Sbjct 17 ASEATARPEGLSYAGVSASEKIAEKDLKNMQKHQDKITRVANSKGVDPALIAGIISRESH 76
Query 61 AGKVLKNGWGDRGNGFGLMQVDK 83
G VL+NGWGD N FGLMQVDK
Sbjct 77 GGTVLENGWGDHNNAFGLMQVDK 99
我使用一些正则表达式从此类记录中提取数据。当使用 clang (MacOS X) 和 gcc 4.9.2 (Ubuntu) 编译时，它们都可以工作。然而，其中之一在使用 gcc 编译时会抛出 regex_error。这是最小的(非)工作示例:
#include <regex>
const std::string regex_string_OK_1 = "\\[(.+?)\\]";
const std::string regex_string_OK_2 = "Tax\\s*?=\\s*?([\\n\\w ]*?)\\s*?RepID";
const std::string regex_string_PROBLEM = "Query\\s+?(\\d+?)\\s+?([_\\-[:alnum:]]+?)\\s+?(\\d+?)\\n.+?\\nSbjct\\s+?(\\d+?)\\s+?([_\\-[:alnum:]]+?)\\s+?(\\d+?)\\n";
int main(int argc, const char *argv[]) {
std::regex regex_OK_1(regex_string_OK_1);
std::regex regex_OK_2(regex_string_OK_2);
std::regex regex_PROBLEM(regex_string_PROBLEM); // This line throws regex_error on Ubuntu
return 0;
}
我使用 https://myregextester.com 测试了所有正则表达式字符串，它们工作得很好。此外，在 MacOS 上使用 clang 编译的代码可以毫无问题地解析大量真实案例数据。但现在我必须在 Linux/gcc 系统上运行代码。
最佳答案
正如我在 http://melpon.org/wandbox/ 上测试的那样，我必须完全重新编辑这个答案。您在各个版本中的 clang 和 gcc 下的代码，我开始认为 gcc 无法将 \- 识别为连字符的有效转义(实际上在所有版本中)。
你的例子现在对我来说似乎是正确的:[_\\-[:alnum:]]已经包含连字符的转义:\\-但由于某些原因gcc不喜欢它。所以我建议使用以下字符类:
`[-_[:alnum:]]`
如果您还需要匹配斜杠:\，那么您应该添加\\\\(我之前假设这是您的意图)。
ps。我之前的答案留下了 \\ ，另一方面导致 clang 出现异常，但这是不正确的正则表达式，因为它以转义括号结束: \[ 这是无意义的 - 但为什么不在海湾合作委员会上？
关于regex - c++0x 正则表达式适用于 clang，但不适用于 gcc 4.9.2，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/37706764/