Question

我对正则表达式有点麻烦。我有以下一个：(A|C|G|T){3}，其中包含来自A，B，C，D的三个字母的每个排列，但现在我想排除三个特定模式："TAG"，"TAA"和{{ 1}}。尝试"TGA"，但它没有产生预期的结果。使用look-around（向前看并向后看）也是如此。

我想要实现的是找到以“ATG”开头的所有子字符串，以“TAG”，“TAA”或“TGA”结尾，在中间它应该有A，C的三元组， G或T.

感谢您的帮助！

这是我到目前为止所做的：

[^]

Answer 1

如果我理解正确：

1）从ATG开始

2）许多三胞胎，除了'TAG'，'TAA'和'TGA'

3）其中一个三胞胎'TAG'，'TAA'或'TGA'

这应该有效：

/
   (ATG)                       # Step 1
   ((?!TAG|TAA|TGA)[ACGT]{3})+ # Step 2
   (TAG|TAA|TGA)               # Step 3
/x

与你的区别在于，第二个想法是在量词中移动负面预测以获得“多个三元组”步骤，确保三个三元组都不是例外之一

此解决方案不假设步骤2和步骤3中的元素之间存在任何共性。更简单但在您的情况下等效的配方将是：

1）匹配'ATG'

2）匹配多个三元组

3）...直到你匹配'TAG'，'TAA'，'TGA'。

要做到这一点，你只需要让步骤2中的量词非贪婪，因为如果步骤2再次匹配，这将测试第3步匹配。

然后解决方案看起来像：

/ (ATG) ([ACGT]{3})*? (TAG|TAA|TGA) /x

另一种解释可能是：

1）从ATG开始

2）许多三胞胎

3）其中一个三胞胎'TAG'，'TAA'，'TGA'

4）步骤2中找到的子字符串不得包含子字符串'TAG'，'TAA'，'TGA'。

在这种情况下，我会使用两个正则表达式来解决它。实施步骤1-3和步骤4中的测试：

 $sequence =~ /(ATG)([ACGT]{3})(TAG|TAA|TGA)/ and $2 !~ /TAG|TAA|TGA/;

Answer 2

在您的情况下，您不必排除中间的任何内容 - 假设您希望最长的序列匹配。这就是Perl的*和+已经做到的事情：他们贪婪并且匹配最长的序列。

因此，在一个简化的示例中，如果您的输入为ABAACAAC，并且您希望将以B开头的所有内容与C的所有内容匹配，A，B }或C在中间，m/A[ABC]*C/已匹配BAACAAC，而不只是BAAC。

一般来说，你不能使用正则表达式来排除中间的特定事物（尽管有零宽度负前瞻/后视断言等事情）。

编辑：如果你想在第一次出现“结束模式”时停止匹配，那么只需通过*后缀来使?非贪婪。我的非贪婪的例子：m/A[ABC]*?C/，虽然在这种情况下我也可以省略char类中的C（因为在这个简化的例子中它只是一个字母）。