unix - Pcregrep 复制匹配的多行模式？

Question

我有一个包含 2 行样本 DNA 序列的文本文件，使用pcregrep，我想找到匹配“CCC”的模式，尤其是跨越多行的模式 （参见 test.txt 中第 1 行的结尾到第 2 行的开头下面）。

测试.txt：

AGAGUGGCAAUAUGCGUAUAACGAUUAUUCUGGUCGCACCCGCCAGAGCAGAAAAUAUUGGGGCAGCGCC
CAUGCUGGGUCGCACAUGGAUCUGGUGAUAUUAUUGAUAAUAUUAAAGUUUUCCCGACAUUGGCUGAAUA

使用命令：

pcregrep -M --color "C[\n]?C[\n]?C" test.txt

回报：

AGAGUGGCAAUAUGCGUAUAACGAUUAUUCUGGUCGCA**CCC**GCCAGAGCAGAAAAUAUUGGGGCAGCG**CC**

**C**CAUGCUGGGUCGCACAUGGAUCUGGUGAUAUUAUUGAUAAUAUUAAAGUUUU**CCC**GACAUUGGCUGAAUA

它似乎正确地突出显示了第 1 行中的 2 个 C，但是，它突出显示了第 2 行中的第一个 C，然后继续完全打印出第二行；给我一份C的副本。

我在这里做错了什么，如何避免在第 2 行中重复“C”？

Answer 1

试试这个：

pcregrep -M --color "(?<!C)(C\RCC|CC\RC)(?!C)" test.txt

我假设您只想找到 3C秒，并且不超过3 秒C是可能的。如果这是不可能的，或者您不关心匹配超过 3C 的，您可以使用这个更简单的正则表达式来代替：

pcregrep -M --color "C\RCC|CC\RC" test.txt

解释：

(?<!C)   # Negative lookbehind: Don't match if there's a C before the match
(              # One of these:
      C\RCC    #   C + any kind of new line + CC
    | CC\RC    #  CC + any kind of new line + C
)
(?!C)    # Negative lookahead: Don't match it there's a C after the match

在此处查看演示。