最近一段時(shí)間沒有進(jìn)行公眾號(hào)文章更新，到不是因?yàn)闆]有新的內(nèi)容可以寫，其實(shí)做了一些注釋的分析，因?yàn)楸蛔⑨屲浖ASA給搞的有點(diǎn)焦慮，著實(shí)耽誤了我一些時(shí)間，為了趕點(diǎn)進(jìn)度，也懶得再去分享公眾號(hào)文章。PASA在安裝時(shí)太不友好，剛開始使用起來(lái)上手也不是很順利，下周找個(gè)時(shí)間分享一下PASA的安裝使用過(guò)程。今天在使用Augustus接著PASA的一個(gè)結(jié)果文件往下分析時(shí)，使用到了正則，雖然略懂一些Perl，但這幾年太少親自寫腳本了，一下子看時(shí)沒能理解了是怎樣匹配處理想要的字符串并重新輸出的，有必要再去仔細(xì)查查強(qiáng)大的正則功能了。

定義：正則表達(dá)式是一種字符串模式，可用來(lái)和字符串進(jìn)行匹配。匹配可能成功，也可能失敗。許多UNIX命令，包括grep, sed, awk, ed, vi, emacs都有正則表達(dá)式的功能。

有這么一個(gè)格式的文件，

通過(guò)perl命令行：

cat train.err | perl -pe 's/.*in sequence (\S+): .*/$1/' >badgenes.lst

提取其中的一列信息，得到badgenes.list文件：

今天主要對(duì)正則中不同類型組合進(jìn)行學(xué)習(xí)。

下面對(duì)s/.*in sequence (\S+): .*/$1/ 進(jìn)行解析：

替換：s///這種形式表明正則表達(dá)式將被文本替換；

‘.’：換行符以外的任意字符;

重復(fù)符號(hào)：multiplier，如星號(hào)(*)表示出現(xiàn)零次以上；加號(hào)(+)則表示出現(xiàn)一次以上；問(wèn)號(hào)(?)則表示出現(xiàn)零次或一次；

.*?代表一個(gè)通配符，它意味著“匹配任意字符(換行符除外)零次或多次”，也就是說(shuō)in sequence 前的任何字符匹配；

\S?匹配非空格字符(字符組合[/t/n]), \S+ 匹配非空格字符一次以上;

反向引用()，假定想保存一些匹配供后用，那么為達(dá)到該目的，Perl有一個(gè)運(yùn)算符(圓括號(hào)())，該運(yùn)算符可用于包圍讀者希望匹配的一系列給定的字符。

如果用圓括號(hào)括住一組字符，那么就可以在正則表達(dá)式結(jié)束之前使用反向引用。如果想在s”?”?“的第二部分(帶下劃線)中使用反向引用，那么要使用語(yǔ)法$1，$2等。如果想在m”?“或者s”?”?“的第一部分(帶下劃線)使用反向引用，那么使用語(yǔ)法/1/2等。

例子：

$string?=?‘?far?out’;

$string?=~?s?“(far)(out)”?$2?$1″;?#?This?makes?string?‘?out?far’.

在該例中將單詞far out轉(zhuǎn)換為out far。

總結(jié)一下這個(gè)正則的含義：.*匹配in sequence前內(nèi)容 + 匹配 in sequence + \S+匹配非空格字符一次以上也就是gi|687_106-210內(nèi)容并用反向引號(hào)()進(jìn)行保存 +? :.*匹配：及其后面的所有字符，$1進(jìn)行替換并輸出到新文件中。

補(bǔ)充學(xué)習(xí)：

單正則使用：

單字符類型：?jiǎn)巫址愋褪亲畛Ｒ姾妥畛Ｓ玫念愋?。如a。單字符類型”.”能跟除換行符號(hào)(\n)的任何字符匹配。如

/a./

會(huì)和任何長(zhǎng)度為二，且開頭是a的字符串匹配，除了”a\n”外。

字符類：(character class)，寫法是左右兩個(gè)中括號(hào)([])，內(nèi)放字符。即字符串對(duì)應(yīng)此類型的地方，若出現(xiàn)唯一一個(gè)符合括號(hào)中列出的字符，就算符合。

/[abcde]/

?/[aeiouAEIOU]/

若在中括號(hào)中放[或者]，則需要在前面加反斜杠。如果想表示一段范圍，則可以用破折號(hào)(dash-)連接。想表示破折號(hào)，則前面也必須加反斜杠。

[0123456789]

[0-9]

[0-9\-]

[a-zA-Z]

也可以用“反例”表示字符類別，只要在原來(lái)的寫法前加上“^”即可。此種類型的意思是任何不在此類別內(nèi)的單一字符才算上匹配。

[^0-9]

[^aeiouAEIOU]

預(yù)定義的字符類別

下面是這些通配符以及它們代表的含義和它們對(duì)應(yīng)的字符組合：

．\d —?匹配數(shù)字(字符組合[0-9])。

．\D —?匹配非數(shù)(字符組合[^0-9])。

．\w —?匹配單詞字符(字符組合[a-zA-Z0-9_])(這里下劃線算作一個(gè)單詞字符)。

．\W —?匹配非單詞字符(字符組合[^a-zA-Z0-9_])。

．\s —?匹配空格字符(字符組合[/t/n])(制表符、換行符、空格)。

．\S —?匹配非空格字符(字符組合[/t/n])。

．-?匹配任意字符(在某些情況下)換行符除外(字符組合[^/n])、當(dāng)輸入m”(.*)”S時(shí)匹配任意字符。

．$-?盡管它實(shí)際上并不是一個(gè)通配符(它不匹配任何具體字符)．但它是廣泛使用的特殊字符；如果將其放在正則表達(dá)式的尾部則它匹配“行尾”。零寬度斷言。

．^-?盡管實(shí)際上不是一個(gè)通配符，但如果它位于正則表達(dá)式的開頭則它是匹配“行首”的特殊字符。

．/b,/B-?與$和^相同；不匹配字符，但匹配單詞邊界(/b)或匹配無(wú)單周邊(/B)。

參考:

http://www.blogjava.net/ruoyoux/articles/253084.html

https://javaforall.cn/138204.html

本文使用 文章同步助手 同步