Como posso encontrar a primeira ocorrência de um padrão em uma string de alguma posição inicial?
Pergunta
Eu tenho uma seqüência de comprimento arbitrário, e começando na posição p0, eu preciso encontrar a primeira ocorrência de um dos três padrões de 3 letras.
Suponha que a seqüência conter apenas letras. Eu preciso encontrar a contagem de trigêmeos começando na posição p0 e saltar para a frente em trigêmeos até a primeira ocorrência de qualquer 'AAA' ou 'bbb' ou 'CCC'.
É isto mesmo possível usando apenas um regex?
Solução
Moritz diz que isso pode ser mais rápido do que um regex. Mesmo que seja um pouco mais lento, é mais fácil de entender às 5 da manhã. :)
#0123456789.123456789.123456789. my $string = "alsdhfaaasccclaaaagalkfgblkgbklfs"; my $pos = 9; my $length = 3; my $regex = qr/^(aaa|bbb|ccc)/; while( $pos < length $string ) { print "Checking $pos\n"; if( substr( $string, $pos, $length ) =~ /$regex/ ) { print "Found $1 at $pos\n"; last; } $pos += $length; }
Outras dicas
$string=~/^ # from the start of the string
(?:.{$p0}) # skip (don't capture) "$p0" occurrences of any character
(?:...)*? # skip 3 characters at a time,
# as few times as possible (non-greedy)
(aaa|bbb|ccc) # capture aaa or bbb or ccc as $1
/x;
(Assumindo p0 é 0-base).
É claro, é provavelmente mais eficiente usar substr na corda para saltar para a frente:
substr($string, $p0)=~/^(?:...)*?(aaa|bbb|ccc)/;
Você não pode realmente contar com expressões regulares, mas você pode fazer algo como isto:
pos $string = $start_from;
$string =~ m/\G # anchor to previous pos()
((?:...)*?) # capture everything up to the match
(aaa|bbb|ccc)
/xs or die "No match"
my $result = length($1) / 3;
Mas eu acho que é um pouco mais rápido para uso substr () e descompactar () para dividir em triplo e caminhar os triplos em um loop for.
(edit: É length (), não lenght (); -)
A parte principal é dividida /(...)/. Mas, ao final deste, você terá suas posições e dados de ocorrência.
my @expected_triplets = qw<aaa bbb ccc>;
my $data_string
= 'fjeidoaaaivtrxxcccfznaaauitbbbfzjasdjfncccftjtjqznnjgjaaajeitjgbbblafjan'
;
my $place = 0;
my @triplets = grep { length } split /(...)/, $data_string;
my %occurrence_for = map { $_, [] } @expected_triplets;
foreach my $i ( 0..@triplets ) {
my $triplet = $triplets[$i];
push( @{$occurrence_for{$triplet}}, $i ) if exists $occurrence_for{$triplet};
}
Ou para simples contagem por regex (ele usa Experimental (?? {}))
my ( $count, %count );
my $data_string
= 'fjeidoaaaivtrxxcccfznaaauitbbbfzjasdjfncccftjtjqznnjgjaaajeitjgbbblafjan'
;
$data_string =~ m/(aaa|bbb|ccc)(??{ $count++; $count{$^N}++ })/g;
Se a velocidade é uma preocupação séria, você pode, dependendo do que as 3 cordas são, ficar realmente fantasia, criando uma árvore (por exemplo Aho-Corasick algoritmo ou similar).
Um mapa para cada estado possível é possível, por exemplo, estado [0] [ 'a'] = 0 se sem cordas começam com 'a'.