¿Cómo puedo encontrar la ubicación de una coincidencia de expresiones regulares en Perl?

Question

Necesito escribir una función que reciba una cadena y una expresión regular. Necesito comprobar si hay una coincidencia y devolver la ubicación inicial y final de una coincidencia. (La expresión regular ya estaba compilada por qr//).

La función también podría recibir un indicador "global" y luego debo devolver los pares (inicio, fin) de todas las coincidencias.

No puedo cambiar la expresión regular, ni siquiera agregue () a su alrededor ya que el usuario podría usar () y \1. Tal vez pueda usar (?:).

Ejemplo: dado "ababab" y la expresión regular qr/ab/, en el caso global necesito recuperar 3 pares de (inicio, fin).

Answer 1

La función pos le brinda la posición de la coincidencia. Si coloca su expresión regular entre paréntesis, puede obtener la longitud (y por lo tanto el final) usando length $1. Al igual que este

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 
} 

Answer 2

También puede utilizar la variable $ obsoleto ', si usted está dispuesto a tener todas las ER en su programa de ejecutar más lento. De 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". 

Answer 3

Olvide mi publicación anterior, tengo una idea mejor.

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 
} 

Esta técnica no modifica la expresión regular de ninguna manera.

Editado para agregar: a la cotización de perlvar en $ 1 .. $ 9. "Estas variables son todas de solo lectura y tienen un alcance dinámico para el BLOQUE actual." En otras palabras, si desea usar $ 1 ... $ 9, no puede usar una subrutina para hacer la comparación.

Answer 4

Las variables integradas @- y @+ mantienen las posiciones inicial y final, respectivamente, de la última coincidencia exitosa. $-[0] y $+[0] corresponden a todo el patrón, mientras que $-[N] y $+[N] corresponden a las subcámaras $N ($1, $2, etc.).

Answer 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"; 
}