5 
$dna = "ATCGTTGAATGCAAATGACATGAC";
while ($dna =~ /(\w\w\w)*?TGA/g) {  # note the minimal *?        
    print "Got a TGA stop codon at position ", pos $dna, "\n";
}

答案是：

在第 18 位有一个 TGA 终止密码子    
在第 23 位有一个 TGA 终止密码子

为什么位置是 18 而不是 8？以及下面的 23. 我很困惑它是如何匹配的？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";
}

这打印：

在第 18 位有一个 TGA 终止密码子

如何？

4

3 回答 3

6

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

它看到这(\w\w\w)*?是不情愿的（可选）所以它跳过它并尝试匹配TGA但没有运气所以引擎回溯并匹配三个连续的单词字符读取ATC，现在它再次尝试匹配TGA但再次没有运气所以它读取另一个连续\w的三个并且ATCGTT到目前为止，引擎已读取。

现在它TGA再次尝试但没有运气，然后回溯并\w\w\w再次读取，所以现在它有ATCGTTGAA，现在尝试查找TGA，但是在读取最后三个时它已经跳过了第一个\w，所以这就是引擎无法找到第一个TGA并且因此未能报告其位置。

现在引擎继续处理这个问题，直到它找到TGA三个之后AAA （如果你继续像我做的那样，你会看到这是怎么发生的），现在它执行循环打印 18 中的指令。

由于您使用了/g修饰符，因此下一次匹配尝试从第一次匹配结束的地方开始并且失败，然后在最后一次匹配之后尝试另一个匹配跳过单个字符，依此类推，直到匹配最后一次TGA并打印 23。

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

好吧，一切都是一样的，直到它找到第一个匹配项，就像之前的情况一样，三AAA，然后当下一场比赛开始时，它会尝试匹配\G，这意味着尝试匹配最后一场比赛结束的AAATGA地方，然后它会起作用，然后它会尝试匹配字符串的其余部分但失败，但是这次当引擎尝试跳过单个字符或两个或三个左右时，它将始终尝试首先匹配\G，除非匹配在前一个字符的末尾开始，否则不会发生（即在 之后AAATGA），因此它将一直失败，因此仅在 18 处报告一个匹配位置。

*?正如@Tomalak 所说，只需删除即可。

于 2013-08-19T10:36:03.673 回答
1

你根本不需要使用*?。

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

印刷

在第 8 位有一个 TGA 终止密码子
在第 18 位有一个 TGA 终止密码子

请注意，这*?使前面的原子成为可选的，但您实际上希望它是必需的。

  • 非捕获组 (?: ...) 并不是必需的。您可以使用普通组。
  • 另一个变体是/[TGAC]{3}TGA/g.
于 2013-08-19T09:43:27.923 回答
0

在第 18 位有一个 TGA 终止密码子

第一个匹配在 pos 18 而不是 8 的原因是因为 pos 18 的匹配是最左边的匹配：

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

此匹配从零开始位置开始，它可以在 TGA 之前匹配 (\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边的匹配。

添加\G需要在开始时（或在您的最后一场比赛之后）锚定比赛。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，它才会匹配 TGA。这是你需要的吗？

于 2013-08-19T10:31:47.267 回答