Question

$dna = "ATCGTTGAATGCAAATGACATGAC";
while ($dna =~ /(\w\w\w)*?TGA/g) {  # note the minimal *?        
    print "Got a TGA stop codon at position ", pos $dna, "\n";
}

答案是：

Got a TGA stop codon at position 18    
Got a TGA stop codon at position 23

为什么位置18，但不是8？以下23.我很困惑它是如何匹配的？关于比赛的详细信息是什么？

但正确的代码是：

while ($dna =~ /\G(\w\w\w)*?TGA/g) {        
  print "Got a TGA stop codon at position ", pos $dna, "\n";
}

打印：

Got a TGA stop codon at position 18

如何？

Answer 1

正如@Tomalak所说，你不需要*?，因为这是你情况混乱的原因。以下是您的第一段代码中的内容：

它看到(\w\w\w)*?不情愿（可选）所以它跳过它并尝试匹配TGA但没有运气因此引擎回溯并匹配三个连续的单词字符阅读ATC，现在再次尝试匹配TGA但又没有运气，因此它连续三次读取\w并且引擎到目前为止已读取ATCGTT。

现在它再次尝试TGA并且没有运气，然后再次回溯并再次阅读\w\w\w，现在它已经ATCGTTGAA，现在尝试查找TGA但它已经在读取最后三个\w时跳过第一个，因此这就是引擎无法找到第一个TGA因此无法报告其位置的原因。

现在引擎继续这件事，直到它找到TGA 之后的AAA（如果你像我一样继续前进，你会看到这是怎么回事） ，现在它执行循环打印18内的指令。

由于您已使用/g修饰符，下一次匹配尝试将从第一个匹配尝试开始并失败，然后在最后一个匹配后尝试另一个匹配跳过单个字符，依此类推，直到匹配最后TGA并打印23。

那么为什么在第二种情况下它只匹配18处的一个位置，使用\G修饰符的效果是什么？

一切都一样，直到找到第一个匹配，就像前三个AAA之后的情况一样，然后当下一个匹配开始时，它尝试匹配\G，这意味着尝试匹配最后一个匹配在AAATGA之后结束并且它起作用，然后它尝试匹配字符串的其余部分但是失败，但是这次当引擎试图跳过一个或两个或三个左右时，它总是会尝试首先匹配\G，除非匹配是在上一个结束时开始的（即AAATGA之后）所以它会一直失败，因此只报告一个18岁的单场比赛。

只需删除*? @Tomalak说。

Answer 2

您根本不需要使用*?。

$dna = "ATCGTTGAATGCAAATGACATGAC";
while ($dna =~ /(?:\w\w\w)TGA/g) {
    print "Got a TGA stop codon at position ", pos $dna, "\n";3.    
}

打印

Got a TGA stop codon at position 8
Got a TGA stop codon at position 18

请注意*?使前面的原子可选，但实际上你希望它是必需的。

非捕获组（？：...）不是必需的。您可以使用普通组。
另一个变体是/[TGAC]{3}TGA/g。

Answer 3

在第18位获得TGA终止密码子

第一场比赛是在第18位而非第8场的原因是因为第18位的比赛是最左侧比赛：

 (ATC) (GTT) (GAA) (TGC) (AAA) [TGA] CATGAC
  0     3     6     9     12    15   18

此匹配发生在零开始位置，在TGA之前可以匹配（\ w \ w \ w）5次。

但是导致pos 8的匹配发生在2的起始位置，它可以在TGA之前匹配（\ w \ w \ w）一次：

  AT (CGT) [TGA] ATGCAAATGACATGAC
      2     5    8

正则表达式更喜欢最左侧匹配。

添加\G需要在开始时（或在您的上一场比赛之后）锚定匹配。在这种情况下，只有当TGA是字符串开头的3个字符的倍数时才会匹配TGA。这是你需要的吗？

你能解释一下为什么我的Perl正则表达式模式中的G表现如此吗？

3 个答案: