マッチングしたい要素同士が文字列の中で重なっている場合

質問

perlの正規表現マッチングでうまくいかないことがあり、質問させていただきたいと思います。

たとえば
AAAAAAXBBBXCCX
という文字列があって「各Xの左側に位置する6文字をすべてあつめる」ということをしたいと思っています。
この文字列では
AAAAAA
AAXBBB
BBBXCC
が自分の取り出したい文字になります。

そこで以下のようなコードを書いたのですが
my $seq = "AAAAAAXBBBXCCX";
my $length = 6;
my @fragmentlist ;
@fragmentlist = $seq =~ /(.{$length})X/g ;

foreach my $fragment (@fragmentlist ){
print $fragment , "\n";
}

実際に出力されるのは
AAAAAA
BBBXCC
となり、
AAXBBB
は認識されないようです。これはおそらくAAAAAAとAAXBBBが元の文字列の中で部分的に重なっているからだと思います。
このようなマッチング対象が文字列の中で重なっている場合は、どのようにすればすべてのパターンを集めることができるでしょうか？

active perl 5.8.8 , WinXP sp2環境です。

回答No.1

kabaokaba · ベストアンサー

my $seq = "AAAAAAXBBBXCCX";
my $length = 6;
my @fragmentlist ;

@fragmentlist = $seq =~ /(?<=(.{$length}))X/g ;###変えた

foreach my $fragment (@fragmentlist ){
print $fragment , "\n";
}

これでどうですか？
Xをマッチさせて，それから6文字を戻り読みさせて
戻った分をキャプチャしています．
/gなので，Xを順番にマッチします．
ただし，Xよりも左に6文字ないときはマッチしません．

戻り読みは固定文字数分しか指定できないという制限があるので
そういう場合は何か細工が必要でしょう．
Perl5.10だと，\Kとかで
「something like floating length positive lookbehind.」
だそうですが，実験してないのでよく分かってません(^-^;;
Perl5.8でもRegexp::Keepを使えば\Kは使えるとのことです．

お礼

読み戻りですか、この方法は知りませんでした。
こちらでも試して、うまくいきました。
どうもありがとうございました。

回答No.2

kapura

単純に$seqからXを探して、そこから$lengthと1 (Xの長さ) だけ戻って、$length分の文字列を@fragmentlistに取得したら、どうでしょうか。

my $seq = "AAAAAAXBBBXCCX";
my $length = 6;
my @fragmentlist;

while ($seq =~ /X/g) {
my $idx = pos($seq) - $length - 1;
push @fragmentlist, substr($seq, $idx, $length) if $idx >= 0;
}

foreach my $fragment (@fragmentlist) {
print $fragment , "\n";
}

お礼

なるほど、考え方を少し変えてみてもいいんですね。
勉強になりました。

どうもありがとうございました。