Bash 中带有字符、点和数字的正则表达式

Posted 2023-03-28

【中文标题】Bash 中带有字符、点和数字的正则表达式

【英文标题】：Regex with characters, dots and numbers in Bash

【发布时间】：2017-10-23 13:59:38

【问题描述】：

我正在尝试找到一个正则表达式，它将检查以下模式：

>chr28.1.1.24407.24473

因此，此模式由 5 个部分组成，由点分隔。第一部分是字符串“>chr”，后跟一个数字（一个或多个数字），所有其他部分应该是一个或多个数字的数字。 这个正则表达式应该是一个小脚本的一部分，它首先找到这些行，然后检查它们的验证。

HCE=$1
hceregex='^>chr[1-9]+\.[1-9]+\.[1-9]+\.[1-9]+\.[1-9]+$'
grep ">" $HCE > HCE.headers
file="HCE.headers"
lines=`cat $file`
for line in $lines
do
    if [[ ! $line =~ $hceregex ]]
    then
    echo "Invalid fasta header in HCE sequence. Check the G-Anchor   manual for the headers format"
    exit 1
    else
          echo "Brilliant!!!!"
    fi
done

我的问题是，没有点转义字符的正则表达式会返回所有标题。通过使用转义字符，它会排除所有内容，即使是正确的。 我做错了什么？

非常感谢。

【问题讨论】：

尝试转义点两次。

很遗憾，它不起作用。

是的，基本上这就是问题所在。非常感谢！

【参考方案1】：

第一个问题是使用[1-9]，它将只匹配数字1-9。您应该使用[0-9] 来匹配任何数字。

第二个问题是使用了不必要的cat 和未加引号的变量。您应该使用以下代码：

hceregex='^>chr[0-9]+\.[0-9]+\.[0-9]+\.[0-9]+\.[0-9]+$'

while read -r line; do
   if [[ ! $line =~ $hceregex ]]; then
      echo 'Invalid fasta header in HCE sequence'
   else
      echo 'Brilliant!!!!'
   fi
done < file

作为进一步的优化，您可以将您的正则表达式缩短为：

hceregex='^>chr[0-9]+(\.[0-9]+)4$'

【讨论】：

既然有重复的部分，我们可以用一个量词hceregex='^>chr[0-9]+(\.[0-9]+)4$

非常感谢。没有猫也应该更快。这部分代码将包含在一个更大的代码中，并且头文件将有数千个头文件需要检查。

【参考方案2】：

在你的文本中你有零，这里是24407，但在正则表达式中不是[1-9]+，你必须将它更新为：

^>chr[0-9]+\.[0-9]+\.[0-9]+\.[0-9]+\.[0-9]+$