Как найти местоположение регулярного выражения в Perl?

Мне нужно написать функцию, которая получает строку и регулярное выражение. Мне нужно проверить, есть ли совпадение и вернуть начальное и конечное местоположение совпадения. (Регулярное выражение уже скомпилировано qr//.)

Функция может также получить флаг "global", а затем мне нужно вернуть пары (начало, конец) всех совпадений.

Я не могу изменить регулярное выражение, даже не добавить () вокруг него, так как пользователь может использовать () и \1. Может быть, я могу использовать (?:).

Пример: с учетом "ababab" и регулярного выражения qr/ab/, в глобальном случае мне нужно вернуть 3 пары (начало, конец).

Ответ 1

Встроенные переменные @- и @+ сохраняют начальную и конечную позиции, соответственно, последнего успешного совпадения. $-[0] и $+[0] соответствуют всей схеме, а $-[N] и $+[N] соответствуют подматрицам $N ($1, $2 и т.д.).

Ответ 2

Забыть мой предыдущий пост, у меня есть лучшая идея.

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
}

Этот метод никак не изменяет регулярное выражение.

Отредактировано для добавления: для цитаты из perlvar по $1.. $9. "Эти переменные доступны только для чтения и динамически привязаны к текущему блоку.. Другими словами, если вы хотите использовать $1.. $9, вы не можете использовать подпрограмму для выполнения сопоставления.

Ответ 3

Функция pos дает вам позицию совпадения. Если вы поместите свое регулярное выражение в круглые скобки, вы можете получить длину (и, следовательно, конец), используя length $1. Как этот

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), pos($string) + length $1];
    }
    return @ret
}

Ответ 4

Вы также можете использовать устаревшую переменную $`, если вы хотите, чтобы все RE в вашей программе выполнялись медленнее. От 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".

Ответ 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"; 
}