Question

我正在尝试在Perl中编写一系列正则表达式，以从文件中提取某些类型的数据。出于某种原因，我似乎无法让Perl匹配其中包含下划线（_）的任何数据行。

如果我想获得以

开头的行

"Ch2    Flybase exon    "

或者

"Ch3    Flybase exon    "

（空格是制表符），以下代码效果很好：

if ($_ =~ m/^Ch[ 2-3]   Flybase exon    /) {print outputFile;}

但是，如果我想匹配具有更复杂染色体名称的行（即不仅仅是字母'Ch'后跟一个数字），例如：

Ch4_group1
Ch4_group2
Ch4_group3
Ch4_group4
Ch4_group5
ChXL_group1a
ChXL_group1e
ChXL_group3a
ChXL_group3b
ChXR_group3a
ChXR_group5
ChXR_group6
ChXR_group8
Unknown_group_1
Unknown_group_10
Unknown_group_100
Unknown_group_101

我尝试了以下代码但没有成功：

if ($_ =~ m/^Ch4_group[1-5] Flybase exon    /) {print outputFile;}
if ($_ =~ m/^ChX._group[0-9]+[a-z]* Flybase exon    /) {print outputFile;}
if ($_ =~ m/^Unknown_group_[0-9]+   Flybase exon    /) {print outputFile;}
if ($_ =~ m/^Unknown_singleton_[0-9]+   Flybase exon    /) {print outputFile;}

我也尝试在\前加_，但这没有帮助。

Answer 1

假设您使用x，m，i选项，我会做出以下更改：

^Ch4_group[1-5] Flybase exon
将是：
^Ch4_group[1-5]\s*Flybase\sexon\s*$

^ChX._group[0-9]+[a-z]* Flybase exon将是：
^ChX._group[0-9]+[a-z]*\s+Flybase\sexon\s*$

^Unknown_group_[0-9]+ Flybase exon将是：
^Unknown_group_[0-9]+\s*Flybase\sexon\s*$

^Unknown_singleton_[0-9]+ Flybase exon
将是：
^Unknown_singleton_[0-9]+\s*Flybase\sexon\s*$

我似乎无法在Perl中获取正则表达式来识别下划线（_）字符

1 个答案: