Pcregrep复制匹配的多行模式？

Question

我有一个文本文件，其中包含2行样本DNA序列，使用pcregrep，我希望找到与"CCC“匹配的模式，特别是跨越多行的模式(参见下面test.txt中第1行的末尾到第2行的开头)。

test.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2C，但是它突出了第2行的第一个C，然后开始完全打印第二行，给我一个C的复制。

我在这里做错了什么，如何避免重复第2行的'C‘？

Answer 1

试着用这个：

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

我假设您想要找到确切的3个C，而不是更多，而且超过3个C是可能的。如果这是不可能的，或者您不关心比3C更多的匹配，您可以使用这个更简单的正则表达式：

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

解释：

(?<!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

参见演示这里。