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这些记录中提取数据。所有这些都在使用clang(MacOS X)和gcc 4.9.2(Ubuntu)编译时工作。但是,当使用gcc编译时,其中一个会抛出regex_error
。这是最小(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编译的代码可以解析大量真实案例数据而没有任何问题。但现在我必须在Linux / gcc系统上运行代码。
答案 0 :(得分:2)
我必须完全重复这个答案,因为我在各种版本的clang和gcc下测试http://melpon.org/wandbox/你的代码,我开始认为gcc不会将\-
识别为有效的转义连字符(实际上在所有版本中)。
您的示例现在对我来说似乎正确:[_\\-[:alnum:]]
已经包含了连字符的转义:\\-
但由于某些原因,gcc不喜欢它。所以我建议遵循角色类:
`[-_[:alnum:]]`
如果你还需要匹配斜杠:\
那么你应该添加\\\\
(我之前认为这是你的意图)。
PS。我之前的回答是\\
,另一方面导致了铿锵的异常,但这是不正确的正则表达式,因为它以转义括号结束:\[
这是无稽之谈 - 但为什么不在gcc上?