regex - 正则表达式捕获和反向引用

Question

这是我正在搜索的字符串。

T+4ACCGT+12CAAGTACTACCGT+12CAAGTACTACCGT+4ACCGA+6CTACCGT+12CAAGTACTACCGT+12CAAGTACTACCG

我想捕获 X 位数字后面的数字（X 是前一个数字）我还想捕获完整的字符串。

即捕获应该返回：

+4ACCG
+12AAGTACTACCGT
etc.

和 ：

ACCG
AAGTACTACCGT
etc.

这是我正在使用的正则表达式：

(\+(\d+)([ATGCatgcnN]){\2});

我使用 $1 和 $3 进行捕获。

我错过了什么？

Answer 1

您不能在量词中使用反向引用。\1是匹配$1所含内容的指令，因此{\1}不是有效量词。但是为什么你需要匹配确切的数字呢？只需匹配字母（因为下一部分再次以 a 开头+）。

所以试试：

(\+\d+([ATGCatgcnN]+));

并找到完整的匹配项$1和中的字母$2

您的正则表达式中的另一个问题是您的量词在您的第三个捕获组之外。这样只有最后一个字母会在捕获组中。将量词放在组内以捕获整个序列。

您还可以使用修饰符从类中删除大写或小写字母i以匹配大小写无关：

/(\+\d+([ATGCN]+))/gi

Answer 2

此循环有效，因为\G断言告诉正则表达式引擎在字符串中的最后一个匹配 (digit(s)) 之后开始搜索。

$_ = 'T+4ACCGT+12CAAGTACTACCGT+12CAAGTACTACCGT+4ACCGA+6CTACCGT+12CAAGTACTACCGT+12CAAGTACTACCG';

while (/(\d+)/g) {
    my $dig = $1;
    /\G([TAGCN]{$dig})/i;
    say $1;
}

结果是

ACCG
CAAGTACTACCG
CAAGTACTACCG
ACCG
CTACCG
CAAGTACTACCG
CAAGTACTACCG

我认为这是正确的，但不确定：-|

更新：添加了\G告诉正则表达式在最后一个匹配数字之后立即开始的断言。

Answer 3

my @sequences = split(/\+/, $string);

for my $seq (@sequences) {
    my($bases) = $seq =~ /([^\d]+)/;
}