☰

file(1) 和 magic(5) ：对结果进行优先级排序

tag-icon • tag-icon regular-expression file-command
file(1) 和 magic(5) ：对结果进行优先级排序

我的问题如下：file(1) 和 magic(5) ：描述其他格式。

我想描述一个 FASTA 序列（http://en.wikipedia.org/wiki/FASTA_format）

它可能是一个DNA序列（仅 ATGC）

>header
ATGCTAGCATAGCATCGATGCTGTAGCTACGTAGCTACGTCTACG

一个“神奇”的模式是

>.*\n[ATGC]*

或一个蛋白质序列（ ACDEFGHIKLMNPQRSTVWYBZX 也包含 ATGC）

>header
AHITKLMNPQRGHIKLMNPQRC

一个“神奇”的模式是

>.*\n[ACDEFGHIKLMNPQRSTVWYBZX]*

但是每当我使用这些正则表达式时，文件都会告诉我它是一种蛋白质，因为它与第二个正则表达式匹配。有没有办法确定结果的优先级？有没有一种方法可以优先考虑，例如“如果该模式匹配，请勿尝试任何其他模式？”。

答案1

您可以使用“强度”值设置优先级。从魔法(5):

可以在单独的行上提供可选的强度，它使用以下格式引用当前的魔法描述：

    !:strength OP VALUE

操作数 OP 可以是：+、-、* 或 /，VALUE 是 0 到 255 之间的常量。使用指定的操作数将该常量应用于当前计算的默认魔法强度。

要降低蛋白质描述的优先级，请附加以下行：

!:strength - N

...哪里N足够大以使其低于 DNA 描述的分数。

测试的“当前计算的默认魔法强度”并不是立即显而易见的，但您可以使用该--list标志来显示所有内容。或者，阅读源代码——负责的函数是apprentice_magic_strength。它是根据条目的第一个测试计算得出的，因此如果您想让一种类型优先于另一种类型，那么具有相同的第一行会很有帮助。 （这样，N只需为 1。）

另一个问题：您的正则表达式不够严格。 *可以匹配零个字符，因此可以在每行的开头找到该模式 - 蛋白质、DNA 或其他。要拧紧它，请确认整条线包括仅有的允许的字符数：\n[ATGC]+$, 或\n[ATGC]{num,}$（其中 num 是您期望看到的最短模式）

0       string  =>header
>&0      regex   \n[ATGC]+$     DNA

0       string  =>header
>&0      regex   \n[ACDEFGHIKLMNPQRSTVWYBZX]+$  PROTEIN
!:strength - 1

相关内容