Question

我的字符串是

$s = "AAATAATAGCAV";

模式1

$s =~m/AT?.?A/g;

此处T?无法搜索。 .?匹配字符串第二个字符（A A A），最后A匹配（AA A ）

模式2

$s =~m/A.?T?A/g

.?匹配第二个字符。 T?无法搜索。结果相同

这是我的疑问

$s =~m/A.?T?AA/

从头开始A匹配字符串

中的第一个字符

.?匹配任何一个字符匹配或不匹配字符串。所以它匹配第二个字符作为模式1和模式2.

T?也匹配任何一个字符匹配或不匹配字符串。

AA匹配字符串中的AA字符。

为什么以上模式不会与AATAA或ATAA匹配。搜索引擎如何运作。为什么结果为AAA

Answer 1

有一种很简单的方法可以看出正则表达式在做什么：

 use re 'debug';

E.g：

#!/usr/bin/env perl 
use strict;
use warnings;

use re 'debug';

my $str = 'AAATAATAGCAV';    
$str =~m/A.?T?AA/;

这将打印：

Compiling REx "A.?T?AA"
Final program:
   1: EXACT <A> (3)
   3: CURLY {0,1} (6)
   5:   REG_ANY (0)
   6: CURLY {0,1} (10)
   8:   EXACT <T> (0)
  10: EXACT <AA> (12)
  12: END (0)
anchored "A" at 0 floating "AA" at 1..3 (checking floating) minlen 3 
Matching REx "A.?T?AA" against "AAATAATAGCAV"
Intuit: trying to determine minimum start position...
  doing 'check' fbm scan, [1..12] gave 1
  Found floating substr "AA" at offset 1 (rx_origin now 0)...
  doing 'other' fbm scan, [0..1] gave 0
  Found anchored substr "A" at offset 0 (rx_origin now 0)...
  (multiline anchor test skipped)
Intuit: Successfully guessed: match at offset 0
   0 <> <AAATAATAGC>         |  1:EXACT <A>(3)
   1 <A> <AATAATAGCA>        |  3:CURLY {0,1}(6)
                                  REG_ANY can match 1 times out of 1...
   2 <AA> <ATAATAGCAV>       |  6:  CURLY {0,1}(10)
                                    EXACT <T> can match 0 times out of 1...
   2 <AA> <ATAATAGCAV>       | 10:    EXACT <AA>(12)
                                      failed...
                                    failed...
   1 <A> <AATAATAGCA>        |  6:  CURLY {0,1}(10)
                                    EXACT <T> can match 0 times out of 1...
   1 <A> <AATAATAGCA>        | 10:    EXACT <AA>(12)
   3 <AAA> <TAATAGCAV>       | 12:    END(0)
Match successful!
Freeing REx: "A.?T?AA"

所以回答你的问题 - 这在开始时与AAA匹配 - 因为你有一个可选的（.?），这意味着零有效。还有一个可选的T?，这意味着没有一个在那里也是有效的。

因此，第一个子字符串与您的目标模式匹配。通过这样做（默认情况下！）消耗该模式的一部分，使其无法再与之匹配。所以拿你的第一个例子：

#!/usr/bin/env perl 
use strict;
use warnings;
use Data::Dumper;

use re 'debug';

my $s = 'AAATAATAGCAV';
my @matches = $s =~m/(AT?.?A)/g; 
print Dumper \@matches;

给出：

$VAR1 = [
          'AAA',
          'AA'
        ];

这会将第一个匹配项设为AAA，将第二个匹配项设置为字符串AA。(AAA)T(AA)TAGCAV。由于子字符串已匹配，因此模式匹配引擎不再“可用”。如果你真的需要，你可以做到这一点，但是如果你要走下去，我建议你努力思考你正在尝试用你的正则表达式做什么。但您可以使用"look around"匹配。

另外：通常使用单个char变量名称的形式非常糟糕。称之为描述性的东西。

Answer 2

我在正则表达式中添加了一个嵌入代码，以查看引擎在搜索时的位置。这里的关键是理解“碰撞”。

匹配完成后，下一场可能的匹配只能在上一场比赛结束后开始。

在打印进度时运行

my $s = "AAATAATAGCAV"; my $n = 1; while($s =~ m/ # Embedded code construct (?{ }) (?{print "\n", $n++, ". Starting match at: [$`||$']: "}) # Same as AT?.?A A T? .? A /gx ){ print "Found: [$&]"; }

带符号||的输出表示当前的位置：

1. Starting match at: [||AAATAATAGCAV]: Found: [AAA] 2. Starting match at: [AAAT||AATAGCAV]: Found: [AA] 3. Starting match at: [AAATAAT||AGCAV]: 4. Starting match at: [AAATAATAGC||AV]:

详细说明步骤：

在以下地点开始比赛：[|| AAATAATAGCAV]：发现：[AAA]

A：从头开始。

B：找到'A'（通过）。

C：'T？'可选'T'（所以仍然是通行证）。

D：'。？'任何可选字符（匹配字符串中的第二个'A'）（发现它仍然是一个通行证）

E：找到'A'（通过）。

以上是上述步骤的进展情况：

A：字符串：|| AAATAATAGCAV。正则表达式：|| AT？。？A

B：字符串：| A | AATAATAGCAV。正则表达式：| A | T？。？A

C：String：| A | AATAATAGCAV。正则表达式：| AT？|。？A

D：字符串：| AA | ATAATAGCAV。正则表达式：| AT？。？| A

E：String：| AAA | TAATAGCAV。正则表达式：| AT？。？A |

2把钥匙

由于我们包含了\ g修饰符，因此正则表达式希望找到其他匹配项。

由于我们已找到匹配项，因此下一次可能的匹配必须在最后一场比赛结束后开始。在这种情况下，正则表达式找到'AAA'。下一场比赛只能从这里开始：AAAT ** || ** AATAGCAV

Answer 3

Regex: A.?T?AA
Text:  AAATAATAGCAV

正则表达式将从文本中的第一个字符开始匹配，并查看是否有任何方式匹配该模式。此外，?是贪婪的，所以它首先尝试匹配1个字符，如果失败，它将匹配0个字符。让我们看看这是如何转化为比赛的每一步：

Pattern: A.TAA
Text:    AAATAATAGCAV
           | Failed

The pattern failed while matching 'T' from 'T?', so now try to match 0 characters there.
Pattern: A.AA
Text:    AAATAATAGCAV
            | Failed

The pattern failed while matching the last 'A'. There's one more pattern now before moving on to the next character - the one where .? matches 0 characters.
Pattern: AAA
Text:    AAATAATAGCAV
         Success!

模式匹配的搜索流程是什么？

3 个答案:

在打印进度时运行

带符号||的输出表示当前的位置：

详细说明步骤：

2把钥匙