如何在 Perl 中找到正则表达式匹配的位置？答案

【问题标题】：How can I find the location of a regex match in Perl?如何在 Perl 中找到正则表达式匹配的位置？
【发布时间】：2010-09-10 09:14:06
【问题描述】：

我需要编写一个接收字符串和正则表达式的函数。我需要检查是否有匹配并返回匹配的开始和结束位置。（正则表达式已经由qr//编译。）

该函数可能还会收到一个“全局”标志，然后我需要返回所有匹配项的 (start,end) 对。

我无法更改正则表达式，甚至无法在其周围添加()，因为用户可能会使用() 和\1。也许我可以使用(?:)。

示例：给定“ababab”和正则表达式qr/ab/，在全局情况下，我需要取回 3 对（开始，结束）。

【问题讨论】：

标签： regex perl

【解决方案1】：

内置变量@- 和@+ 分别保存最后一次成功匹配的开始和结束位置。 $-[0] 和 $+[0] 对应于整个模式，而 $-[N] 和 $+[N] 对应于 $N（$1、$2 等）子匹配。

【讨论】：

请注意，$+[0] 等（“结束位置”）给出了匹配跟随字符的索引，而不是匹配本身的最后一个字符。

【解决方案2】：

忘记我之前的帖子，我有一个更好的主意。

sub match_positions {
    my ($regex, $string) = @_;
    return if not $string =~ /$regex/;
    return ($-[0], $+[0]);
}
sub match_all_positions {
    my ($regex, $string) = @_;
    my @ret;
    while ($string =~ /$regex/g) {
        push @ret, [ $-[0], $+[0] ];
    }
    return @ret
}

这种技术不会以任何方式改变正则表达式。

编辑添加：从 perlvar 引用 $1..$9。 “这些变量都是只读的，并且动态地作用于当前BLOCK。”也就是说，如果你想使用$1..$9，你不能使用子程序来进行匹配。 p>

【讨论】：

您可以使用子例程进行匹配，但是您想要捕获必须使用 substr()、@- 和 @+ 来提取匹配并将它们返回给用户。
正确，但这是一个特殊的 PITA。
您的 match_positions 函数在其中一个可能的分支中返回 undef，在其余情况下返回一个数组。真的好吗？

【解决方案3】：

pos 函数为您提供匹配的位置。如果您将正则表达式放在括号中，您可以使用length $1 获得长度（以及结尾）。像这样

sub match_positions {
    my ($regex, $string) = @_;
    return if not $string =~ /($regex)/;
    return (pos($string) - length $1, pos($string));
}
sub all_match_positions {
    my ($regex, $string) = @_;
    my @ret;
    while ($string =~ /($regex)/g) {
        push @ret, [pos($string) - length $1, pos($string)];
    }
    return @ret
}

【讨论】：

这看起来完全不正确。而不是 pos ，在 all_match_positions 中使用 pos($string) ，在另一种情况下， match_positions 它根本不起作用
return if not $string =~ /($regex)/; 使您无法以正确的结果调用 pos($string)。

【解决方案4】：

如果您愿意让程序中的所有 RE 执行得更慢，您也可以使用已弃用的 $` 变量。来自 perlvar：

   $‘      The string preceding whatever was matched by the last successful pattern match (not
           counting any matches hidden within a BLOCK or eval enclosed by the current BLOCK).
           (Mnemonic: "`" often precedes a quoted string.)  This variable is read-only.

           The use of this variable anywhere in a program imposes a considerable performance penalty
           on all regular expression matches.  See "BUGS".

【讨论】：

【解决方案5】：

#!/usr/bin/perl

# search the postions for the CpGs in human genome

sub match_positions {
    my ($regex, $string) = @_;
    return if not $string =~ /($regex)/;
    return (pos($string), pos($string) + length $1);
}
sub all_match_positions {
    my ($regex, $string) = @_;
    my @ret;
    while ($string =~ /($regex)/g) {
        push @ret, [(pos($string)-length $1),pos($string)-1];
    }
    return @ret
}

my $regex='CG';
my $string="ACGACGCGCGCG";
my $cgap=3;    
my @pos=all_match_positions($regex,$string);

my @hgcg;

foreach my $pos(@pos){
    push @hgcg,@$pos[1];
}

foreach my $i(0..($#hgcg-$cgap+1)){
my $len=$hgcg[$i+$cgap-1]-$hgcg[$i]+2;
print "$len\n"; 
}

【讨论】：