Pcregrep复制匹配多行模式？

Question

我有一个文本文件，其中包含2行样本DNA序列，使用pcregrep，我想找到与“CCC”匹配的模式，特别是跨越多行的模式（见下面test.txt中第1行末尾到第2行开头）。

测试.txt：

AGAGUGGCAAUAUGCGUAUAACGAUUAUUCUGGUCGCACCCGCCAGAGCAGAAAAUAUUGGGGCAGCGCC
CAUGCUGGGUCGCACAUGGAUCUGGUGAUAUUAUUGAUAAUAUUAAAGUUUUCCCGACAUUGGCUGAAUA

使用命令:

pcregrep -M --color "C[\n]?C[\n]?C" test.txt

返回：

AGAGUGGCAAUAUGCGUAUAACGAUUAUUCUGGUCGCA**CCC**GCCAGAGCAGAAAAUAUUGGGGCAGCG**CC**

**C**CAUGCUGGGUCGCACAUGGAUCUGGUGAUAUUAUUGAUAAUAUUAAAGUUUU**CCC**GACAUUGGCUGAAUA

它似乎正确地突出了第1行中的2个C，然而，它突出了第2行中的第一个C，然后继续完全打印出第二行；给我一个C的复制品。

我在这里做错了什么，我怎样才能避免第二行中重复的C？

Answer 1

试试这个：

pcregrep -M --color "(?<!C)(C\RCC|CC\RC)(?!C)" test.txt

我假设您只想找到3个＜code＞C＜/code>s，而且不可能找到更多，而且可能找到3个以上的＜code＞C＜/code＞。如果这是不可能的，或者你不关心匹配超过3C的，你可以使用这个更简单的正则表达式：

pcregrep -M --color "C\RCC|CC\RC" test.txt

说明：

(?<!C)   # Negative lookbehind: Don't match if there's a C before the match
(              # One of these:
      C\RCC    #   C + any kind of new line + CC
    | CC\RC    #  CC + any kind of new line + C
)
(?!C)    # Negative lookahead: Don't match it there's a C after the match

在此处查看演示。