如何在Perl中重构正则表达式

Question

我有以下句子:

     text <MIR-1> GGG-33 <EXP-V-3> text text <VACCVIRUS-PROP-1> some other.
     text <MIR-1> text <ASSC-PHRASE-1> text <VACCVIRUS-PROP-1> some other <PATTERN-1> other.

我想要做的是建立一个单一的正则表达式(正则表达式),可以将两个句子匹配以上.请注意,上述句子中唯一不同的模式是中间因素<EXP-V-3>和<ASSC-PHRASE-1>.

我对当前的尝试感到困惑,它在两个冗余正则表达式中匹配它们.什么是正确的方法呢？

 use Data::Dumper;

    @sent = ("text <MIR-1> GGG-33 <EXP-V-3> text text <VACCVIRUS-PROP-1> some other.",
             " text <MIR-1> text <ASSC-PHRASE-1> text <VACCVIRUS-PROP-1> some other <PATTERN-1> other.");


    foreach $sent (@sent) {
       if ( $sent =~ /.*<MIR-\d+>.*<EXP-V-\d+>.*<VACCVIRUS-PROP-\d+>.*/gi ) {

          print "$sent\n";
        }
        elsif( $sent =~ /.*<MIR-\d+>.*<ASSC-PHRASE-\d+>.*<VACCVIRUS-PROP-\d+>/gi ) {
         print "$sent\n";
        }
    }

现场演示

Answer 1

(?:xxx|yyy)\s*<MIR-1>\s*(?:xxx|yyy)\s*(?:<EXP-V-3>|<ASSC-PHRASE-1>)\s*(?:xxxx|yyy)\s*<VACCVIRUS-PROP-1>

也许这个正则表达式没有优化,但它的工作原理.

好的,我在这里做的:

第一魔术:

(?:EXPR) - Capture group NOT CAPTURED # <?:> helps to avoid any capturing

第二魔术:

(a|b|c) - choose metasymbol in work. I would choose between <a> or <b> or <c>

第三魔术:

这里的Rubular工作

概括:

.+?\s*<MIR-\d+>\s*.+?\s*(?:<EXP-V-\d+>|<ASSC-PHRASE-\d+>)\s*.+?\s*<VACCVIRUS-PROP-\d+>.+

你的例子:

Rubular也在这里工作

拒绝字符串:

.+?\s*<MIR-\d+>\s*[^\[]+?\s*(?:<EXP-V-\d+>|<ASSC-PHRASE-\d+>)\s*[^\]]+?\s*<VACCVIRUS-PROP-\d+>.+

第四魔术:

[^SYMBOLS] - Class of symbols. <^> At the beginning mean 'I DON'T want match them'.

这里示例:

[abc]{1} - I will match <a> or <b> or <c>
[^abc]{1} - I will NOT match <a> or <b> or <c>

Rubular在这里再次工作