使用正则表达式解析值 [重复]

Question

我有一个从 VCF 文件中提取的长字符串，例如（这些被截断以用于示例目的）：

chr1    11189845    COSM462604;COSM893813   G   C,T 158.16  PASS    AF=0,0;AO=0,0;DP=1201;FAO=0,0;FDP=1201;FR=.;
chr1    11190804    COSM180789  C   T   134.06  PASS    AF=0;AO=0;DP=1016;FAO=0;FDP=1018;FR=.;FRO=1018;

我想编写一个正则表达式来返回给定行上粮农组织的所有值。 FAO 的有效格式为：FAO=SomeNumber; 或 FAO=SomeNumber, SomeNumber, SomeNumber, etc...;

有没有办法编写一个 REGEX 捕获组，它同时考虑单个值和用逗号分隔的无限数量的值，直到看到 ';'？

我试过了

FAO=((([0-9]+);)|(([0-9]+),([0-9])+))

但它最多只考虑 2 个数字，我需要匹配器组 1 作为第一个值，匹配器组 2 作为第二个等等...

Answer 1

你可以使用这样的正则表达式

FAO=([0-9]+(,[0-9]+)*);

外括号允许您提取具有第一个匹配组的一个或多个值。

编辑

考虑到您想使用不同的匹配组捕获单个值，这种方法将不起作用（在 * 中捕获组只会捕获最后一个匹配项）。请参阅this question 接受的答案以获取解决方案。

编辑 2

请参阅基于该答案的this demo，以获取将每个数字与相同捕获组匹配的 pcre 正则表达式示例。

(?:FAO=|\G,)\K(\d+)

请注意，并非所有正则表达式都支持 \G 和 \K。 \G 匹配上一个匹配的结尾（或字符串的开头），\K 重置当前匹配的开头。

Answer 2

您可以使用negated character class: [^;]+ 这表示匹配任何不是分号的字符。由于这是一个贪婪匹配，它将一直持续到它看到第一个分号。

var strings = [
  'chr1    11189845    COSM462604;COSM893813   G   C,T 158.16  PASS    AF=0,0;AO=0,0;DP=1201;FAO=0,0;FDP=1201;FR=.;',
  'chr1    11190804    COSM180789  C   T   134.06  PASS    AF=0;AO=0;DP=1016;FAO=0;FDP=1018;FR=.;FRO=1018;'
];

strings.forEach(function(str) {
  alert(str.match(/(FAO=[^;]+)/)[1]);
});

您可以从那里编辑组匹配以仅获取值 /FAO=([^;]+)/，然后您可以在逗号分隔符上拆分该值。

var strings = [
  'chr1    11189845    COSM462604;COSM893813   G   C,T 158.16  PASS    AF=0,0;AO=0,0;DP=1201;FAO=0,0;FDP=1201;FR=.;',
  'chr1    11190804    COSM180789  C   T   134.06  PASS    AF=0;AO=0;DP=1016;FAO=0;FDP=1018;FR=.;FRO=1018;'
];

strings.forEach(function(str) {
  alert(str.match(/FAO=([^;]+)/)[1].split(','));
});

正如SO answer 中所述，在大多数语言中不可能有任意数量的组匹配。