2

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。它们在使用 clang (MacOS X) 和 gcc 4.9.2 (Ubuntu) 编译时都可以工作。然而，其中一个regex_error在使用 gcc 编译时会抛出一个。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测试了所有的正则表达式字符串，它们工作得很好。此外，在 MacOS 上使用 clang 编译的代码可以毫无问题地解析大量真实案例数据。但现在我必须在 Linux/gcc 系统上运行代码。

4

1 回答 1

2

我不得不完全重新编辑这个答案，因为我在http://melpon.org/wandbox/上测试了各种版本的 clang 和 gcc 下的代码，我开始认为 gcc 不能识别\-为连字符的有效转义（实际上在所有版本中）。

您的示例现在对我来说似乎是正确的：[_\\-[:alnum:]]已经包含连字符的转义：\\-但由于某些原因 gcc 不喜欢它。所以我建议以下字符类：

 `[-_[:alnum:]]`

如果您还需要匹配斜线：\那么您应该添加\\\\（我之前假设这是您的意图）。

附言。我之前的回答留下\\了另一方面导致clang异常，但这是不正确的正则表达式，因为它以转义括号结尾：\[这是胡说八道-但为什么不在gcc上？

于 2016-06-08T15:45:30.067 回答