在字符串中搜索递归模式

Question

使用Perl，我想搜索一串核苷酸（AGCT）的模式不少于和不超过三个核苷酸连续重复至少七次。我还需要将该组合保存为打印到文件以及总计数。

这三种核苷酸的模式在某种意义上是未知的，虽然只有64种可能的组合，但我们不知道哪种是重复组合。

关于如何解决这个问题，我有两条思路：

创建可能组合的列表，并在生成计数时进行检查。这似乎不可行，因为每三个核苷酸会产生匹配。它仍然无法解决连续匹配的问题。

或者检查前三个核苷酸与接下来的三个核苷酸是否匹配，检查接下来的三个核苷酸。如果不匹配，将读取框架移动到字符串中的第二个核苷酸并再次尝试搜索。

Answer 1

这个正则表达式应该做的伎俩：

/( ([ACGT]{3}) \2{6,} )/x

匹配ACGT的三个字符，然后至少再重复六次捕获$2。整个匹配的字符串位于$1，其长度是实际组的三倍：$n = length($1)/3。

测试：

my $regex = qr/( ([ACGT]{3}) \2{6,} )/x;
"TACGACGACGACGACGACGACGACGT" =~ $regex;
printf "Matched %s exactly %d times\n", $2, length($1)/3;

输出：

Matched ACG exactly 8 times

看起来不错。