允许少量替换的字符串的正则表达式怎么写？

yisn

黑色阳光_cu 发表于 2013-07-04 09:22

非常感谢，看到了希望。这个貌似挺好用。不过可能像上面的几位说的，需要一些限定条件。

至少有5个G开头，不同G片段之间的间隔要<=2个其它字符的时候才连接。

比如按你上面的代码，这种也会被挑出来 “GABCDGGGGGGXGGGGXGGGGGGXGXXXG”
我希望得到的是这样的： “GGGGGGXGGGGXGGGGGGXG”

1. my $str = "ABCD----GABCDGGGGGGXGGGGXGGGGGGXGXXXG----ABCDBABDABDC";
   
2. if ($str =~ /((?:G+[A-FH-Z]+)*G+)/) {
   
3.     print $1, "\n";
   
4. }
   
5. 
   
6. if ($str =~ /((?:G{5,}[A-FH-Z]{0,2})*G+)/) {
   
7.     print $1, "\n";
   
8. }
   

复制代码

我改了一下，但是得到的结果不是我想要的：
GABCDGGGGGGXGGGGXGGGGGGXGXXXG
G -- 我希望得到“GGGGGGXGGGGXGGGGGGXG”

能帮我看看吗？谢谢！

yisn

afukada 发表于 2013-07-03 13:04
這個問題要處理OK

只是需要一些條件

对，你说的对，条件是这样的：
至少要以5个G开头
不同G片段之间插入最多2个其它字符
最终取得的片段长度要至少要有8

比如这些：
GGGGGXXG --可以
GGGGGXXX -- 不行
GGGGGXXGGXXGXGG --可以

如果这种可以筛选出来也更好：GXGGGGGXXG -- 这种不是以5个G开头，但是因为中间有5个G，所以可以延伸到两端。但我想这种正则表达式可能很难写。
简单地说，就是一串G中，至少要有一串是5个G的，不同G片段间只能含少于2个的其它字符。

希望我讲明白了。

yisn

回复 7# lhohoz

谢谢。代码很精炼，试了下，还差一点就好了。

1. my $str = "ABCD----GXXXXXGGXGGGGGGXGGGGXGGGGGGXGXXXG----ABCDBABDABDC";
   
2. if ($str =~ /((?:G+[A-FH-Z]+)*G+)/) {
   
3.     print '*1*', $1, "\n";
   
4. }
   
5. 
   
6. if ($str =~ /((?:G{5,}[A-FH-Z]{0,2})*G+)/) {
   
7.     print '*2*', $1, "\n";
   
8. }
   
9. 
   
10. if ( $str =~ /((G.).*\2)/ ) {
    
11.   print '*3*', $1, "\n";
    
12. }
    
13. 
    
14. if ($str=~/(G+[^G]?){1,}/) {
    
15.   print '*4*', $1, "\n";
    
16. }
    
17. 
    
18. if ($str=~/([XA]*G+)/) {
    
19.   print '*5*', $1, "\n";
    
20. }
    
21. 
    

复制代码

我一一试了上面几位的代码。最后结果是这样的。你的是第3种。

*1*GXXXXXGGXGGGGGGXGGGGXGGGGGGXGXXXG
*2*G
*3*GXXXXXGGXGGGGGGXGGGGXGGGGGGXGX
*4*GX
*5*G

你知道怎么能把前面的 GXXXXX这一段去掉吗？ 因为这个G跟后面的GG中间隔了5个X，多于2个。不能加进来。

黑色阳光_cu

yisn 发表于 2013-07-04 11:09
非常感谢，看到了希望。这个貌似挺好用。不过可能像上面的几位说的，需要一些限定条件。

至少有5个G ...

1. #!/bin/env perl
   
2. 
   
3. use strict;
   
4. use warnings;
   
5. 
   
6. while (my $line = <DATA>) {
   
7.     my ($str) = split(/\s+/, $line);
   
8.     if ($str =~ /(?<!G)(?=G(?:(?![A-FH-Z]{3,})[A-Z]){6,}G)((G+[A-FH-Z]{0,2})*G{5,}[A-FH-Z]{0,2}(?2)*)(?<=G)/) {
   
9.         print "$str => $1\n";
   
10.     }
    
11.     else {
    
12.         print "$str => null\n";
    
13.     }
    
14. }
    
15. 
    
16. __DATA__
    
17. GABCDGGGGGGXGGGGXGGGGGGXGXXXG
    
18. GGGGGXGXXXXXGGGGGXG
    
19. GGXGGXGGXGGXXXGGGGG
    
20. GGGGGXXGX --可以
    
21. GGGGGXXG --可以
    
22. GGGGGXXX -- 不行
    
23. GGGGGXXGGXXGXGG --可以
    
24. ABCD----GXXXXXGGXGGGGGGXGGGGXGGGGGGXGXXXG----ABCDBABDABDC
    

复制代码

lhohoz

回复 13# yisn


    有点复杂，目前水平解答不能，另外楼上已回答了

唐归来

高手啊，能解释一下正则部分吗？回复 14# 黑色阳光_cu


   

唐归来

14楼的 正则部分， 哪位高手解读一下啊，谢谢，学习学习~

RZL_01

没有抠不出来的数据 只有描述不清的条件

rubyish

非常感谢，这个挺好用。

yisn

回复 14# 黑色阳光_cu


非常感谢大神，虽然我完全看不懂这段，但是运行结果是可用的。

不过我在windows下用perl是可以出正确结果的。在一个linux服务器下就出错了，错误是：
Sequence (?2...) not recognized in regex; marked by <-- HERE in m/(?<!G)(?=G(??![A-FH-Z]{3,})[A-Z]){6,}G)((G+[A-FH-Z]{0,2})*G{5,}[A-FH-Z]{0,2}(?2 <-- HERE )*)(?<=G)/ at polyA2.pl line 18.

是perl版本的原因吗？ linux下的v5.8.8 ； windows下的是v5.10.1

如果是的话，(?2) 这里有没有换一种正则表达式呢？ 因为要运行的程序必须在linux下的v5.8.8 运行（那个是人家的服务器没办法自己去安装新perl）。