Perl：匹配文件中的正则表达式

Posted 2023-03-24

【中文标题】Perl：匹配文件中的正则表达式

【英文标题】：Perl: match regex from the file

【发布时间】：2022-01-11 18:23:13

【问题描述】：

我有一个制表符分隔的文件，其中包含有关项集的信息。每个项目集由一到三个项目组成：

MTMR14_Q1   NOTCH1_Q3   PRKCD_Q1        
MTMR14_Q1   NOTCH1_Q3   TFRC_Q3     
MTMR14_Q1   NOTCH1_Q3           
MTMR14_Q1           
MTMR14_Q1   PASD1_Q3

我的目标是只检索包含三个项目的项目集：

MTMR14_Q1   NOTCH1_Q3   PRKCD_Q1        
MTMR14_Q1   NOTCH1_Q3   TFRC_Q3 

我编写了以下代码，但它没有检索任何项集：

#!/usr/bin/perl -w

use strict;

my $input = shift @ARGV or die $!; 

open (FILE, "$input") or die $!;

while (<FILE>) 
    my $seq = $_;
    chomp $seq;
        
    if ($seq =~ /[A-Z]\t[A-Z]\t[A-Z]/)   
        #using the binding operator to match a string to a regular expression
    
        print $seq . "\n";
    


close FILE;

能否请您指出我的错误？

【问题讨论】：

您只匹配单个大写字符，没有重复、空格或_

匹配一个或多个字符，/^[^\t]+\t[^\t]+\t[^\t]+$/

一个衬垫：awk 'NF == 3' input.tsv 或 perl -lane 'print if @F == 3' input.tsv

@Shawn 那些在空格上拆分，而不是在制表符上。我不知道如何调整 awk 的，但是 Perl 的可以通过添加 -F'\t'

来修复

@ikegami 我把它省略了，因为它与 OP 的样本数据没有区别。 （猜猜 perl 是从什么语言/程序提升 -F 的？）

【参考方案1】：

[A-Z] 匹配单个字母。

---

跳过不完全包含 3 个字段的行：

next if $seq !~ /^ [^\t]* \t [^\t]* \t [^\t]* \z/x;

[^\t]* 匹配任意数量的非制表符。

---

跳过不包含正好 3 个非空字段的行：

next if $seq !~ /^ [^\t]+ \t [^\t]+ \t [^\t]+ \z/x;

[^\t]+ 匹配任何一个或多个非制表符。

---

大概，您将通过解析这些行来获取三个字段。如果是这样，您可以先解析然后检查，如下所示：

my @fields = split /\t/, $seq, -1;

next if @fields != 3;                    # Require exactly 3 fields.

next if ( grep length, @fields ) != 3;   # Requite exactly 3 non-empty fields.