我需要一个正则表达式匹配以下任何一个：
cgt, cgc, cga, cgg, aga, agg
他们是DNA密码子。我给出的正则表达式(cg[agct])|(ag[ag])是否尽可能高效？它似乎很笨重，我想知道我是否可以使用g作为第二个字符的事实。
答案 0 :(得分：4)
总结评论：
看来你拥有的东西非常好。
一个建议是将分组更改为非捕获组（或将它们全部删除）。
这样的事情似乎是最佳的：
cg[agct]|ag[ag]
如果你的FAR设置比其他设备更频繁，你可以可能通过将其逐字地添加到交替中来加速（稍微）：
cgg|cg[act]|ag[ag]
在内部，大多数正则表达式引擎会将这样的小字符类转换为自己的替换。最大可能是最快地扩展交替，或者在不同的组中，以查看性能影响。
我建议您使用正则表达式引擎来描述所有这三种方法：
cg[agct]|ag[ag]
cga|cgc|cgg|cgt|aga|agg
[ac]g[agct](?<!agt|agc)
最后一个是最接近你的问题的答案，因为它利用了中间需要“g”并使用“负面后瞻”来消除无效集的事实。
要检查的另一件事是，如果只找到[ac]g[agct]的所有实例（包括不需要的“agt”和“agc”），然后用您选择的语言过滤它们将是最快的。
以下是各种类型的匹配和失败的图表，以及达成结论所需的步骤数（匹配或不匹配）。
cg[agct]|ag[ag] [ac]g[agct](?<!agt|agc) cga|cgc|cgg|cgt|aga|agg
agg 4 6 10
agc 4 8 10
cga 3 6 3
axa 3 2 8
cxa 3 2 10
xxx 2 1 6
因此，似乎（正如我们猜测的），这些方法具有完全不同的属性。
我对将一切分成交替的预感是错误的。不要使用它。
你应该保证在中间使用“g”，但是对于部分匹配（例如，聚合）和完全匹配（例如cga）需要更长的时间。但是，使用负面的后视版本，丢弃不良结果的速度会轻微。
所以，为了弥补最坏的情况，（8次检查对比3 = delta -5），我们必须看到至少5个失败的角色位置。 （2次检查对比3 =增量1或1检查对比2 =增量1）
我想，如果您预计在找到的每场比赛的5个位置都会失败，那么您应该使用负面的lookbehind版本。
看看正则表达式如何评估每个匹配，我们可以制作一个更好的版本，让大约一半的匹配“快速跟踪”，并且还会减少匹配失败时检查的字符数。 / p>
[ca]g(?:[ag]|(?<!ag)[ct])
agg 4
agc 7
cga 4
axa 2
cxa 2
xxx 1
这会使所有正匹配时间减少一次或两次比较。
基于此，如果您希望为每场比赛检查4个或更多位置，我建议您使用[ca]g(?:[ag]|(?<!ag)[ct])。