readme.md

Sessió 8 - Expressions regulars (2023-01-27)

Repàs sessions 6 i 7.

SeqIO, devuelve SeqRecors, que se leen de ficheros fasta o genbank.

SeqRecord locus dict, key/value annotations dict, key/value features SeqFeature -> contains several SeqLocation seq Seq (és un String)

El disseny de Prog.Or.Objectes no és òptim, conté massa classes i amb noms similars.

Introducció expressions regulars.

Imaginem que volem cercar si hi ha un tros de cadena en una seqüència molt llarga.

Podem usar mètodes de Python (in), però ens ofereixen molta més flexibilitat les expressions regulars.

Les expressions regulars són un llenguatge per expressar patrons. És a dir, una estructura que es repeteix entre 0 i n vegades.

En altres paraules, serveixen per buscar coincidències (matches) en un text.

Per exemple, si un text té format de DNI/NIE, email, etc...

Per raons d'eficiència es prefereix usar regexp que programar-les nosaltres, és un llenguatge de baix nivell que s'ha de compilar, com el C.

Recursos practicar regexp.

• Reptes per aprendre expressions regulars (teoria). https://regexone.com/
• Validador d'expressions regulars (debug) https://regex101.com/

ExercicisPython Regexp.

Si ja heu llegit tota aquesta pàgina accediu al codi:

Teoria Tipus patrons regexp.

Els patrons s'escriuen usant els següents caràcters.

1. Literals (una lletra) a L, Z, J, 9, 2, #, % => Qualsevol caràcter no especial (lletres, xifres, símbols ASCII)

Per exemple, quantes vegades apareix un patró 'A' a la cadena 'GATAGATA' Resultat: Apareix 4 vegades.

2. Caràcters especials.

2.1. Backslash ""

Fa que el següent càracter és especial (si no ho és). Fa que el següent càracter no sigui especial (si ho és).

Exemples

    \n (newline)
    \t (tab)
    \s (whitespace)
    \b (boundary, un link)
    \. (punt normal, colon, dot)
    \w (carácter de palabra)
    \d dígito de un número
    \D Un caracter que no és un dígit.Una majúscula significa negació.
    \W Tots menys els alfanumèrics: És a dir, símbols (inclou espais)

Per a fer la \ com a literal, hem de fer '\'

En otras palabras; es como la varita de Harry Potter, le da poderes al literal del lado, convierte un literal a carácter especial y al revés.

Exemple:

Patró: \d

Text: hola123

Resultat: 3 coincidencies

2.2. Dot "."

El punt és un comodí, significa qualsevol caràcter, però només un.

Excepció: No coincideix amb el '\n', el salt de linea (a no ser que activis la opció single-line)

Exemple: Agafa 3 caracters qualsevol

Amb el backslash interpreta un punt com a literal

Exemples:

Si el fessim en Python, usariem aquestes variables:

txt = "GATAGAT****AACCGGAT****AG"

rgx = "A."

matches = ["AT","AG","AT","AA","AT","AG"]

Descartem la G, la T

2.3.Character classes

Una "char class" ens permet dir que un caràcter només pot ser una de les opcions que hi ha dins. Es representa amb els símbols [], square brackets.

Exemples

Rex. "Hola guap[ao]"

Txt. "Hola guapa" ✅ MATCH

Txt. "Hola guapo" ✅ MATCH

Txt. "Hola guapi" ❌ NOT MATCH

**Els [], square brackets, són caràcters especials. Serveixen per donar opcionalitat **

1. Hola a tod[ao]s <= Una clase de 2 lletres hi haurà coincidència tant amb la 'a' i la 'o'

2. Parsejar capçaleres d'un fitxer html (h1,h2,h3,h4,h5,h6)

   <h\d> => tots els numeros inclosos el 0

   <h[123456]> => tots excepte el 7,8,9,0.

   [AGCT] => Ens assegurem que el text només conté caràcters d'ADN.

[exemple1exp]

2.4. guió - (DASH)

Un altre caràcter que es torna especial es el guió - (DASH). Té 2 funcions:

1. Quant esta entre dos caràcters, crea un rang.

[0-9] => Tots els dígits entre 0 i 9

          [a-z] => El alfabet amb minúscules, anglès (ASCII,UTF-8)
          
          [a-zA-Z0-9] => Qualsevol caràcter alfanumèric (\w)

2. Quan es troba al principi o al final de la classe, és un literal normal.

Aquest algoritme només aplica als caràcters ASCII, 127 primers caràcters (les ñ i altres símbols no).

Exemples

Rex: [-ab]

Txt: 18 year-old

Busca totes les lletres.

Busca els espais.

2.5.Caràcter ^ (CARET o NEGACIÓ)

Dins d'una clase hi ha un caràcter que es torna especial segons la seva posició dins la clase. Es el caràcter ^ (CARET)

1. Quan és el primer caràcter dins de la classe, nega tota la classe.

   exemple [^S] => Busca paraules amb singular Qualsevol caràcter que no sigui S, [^aeiou] => Buscaria consonants

2. Quan no és el primer dins la clase, és un literal:

   [a^eiou] => Busca totes les paraules y el caret

Exemples

Retorna tot el que no són lletres.

Troba les consonants i altres caràcters que no són vocals (els espais)

2.6.Cuantificadors

Amb aquestex expressions podem detectar moltes vegades un mateix caràcter.

Si s'escriu entre {} indica quantes repeticions hi ha del caràcter anterior.

A nivell de rendiment, tenir en compte que són GREEDY (el contrari de LAZY); per això millor definir bé l'intèrval.

Sintaxis: { num_min , (opt)num_max }

Exemples

Rgx: "a{5}" Txt: "aaaaa"

Cerca una cadena d'ADN que contingui exactament el patró AAA.

• Si té AAAA selecciona les 3 primeres

• Si té menys de 3 A seguides no compta.

{n,m} entre n i m repeticions. Per defecte és GREEDY(ambiciós). Intenta sempre agafar el màxim (consumeix el màxim de l'entrada).

{n,} entre n i "infinit" repeticions. {,m} com a mínim 0 i màxim m.

2.7. Abreviadors Quantificadors

Els quantificadors els representem 3 abreviacions comuns:

? {0,1} (interrogant) de 0 a 1, és a dir; opcional.

* {0,} (star or asterisc) de 0 a infinit.

+ {1,} (plus) exigeix que almenys hi hagi 1, si podem usar el + millor que el *

Exemples

La abreviatura de l'asterisc és la més coneguda amb diferència; sobretot a l'hora de cercar noms de fitxers. L'únic que coneix molta gent.

*.png
Pt[1-9]*

a? 
aaaaa
5 matches

a*
aaaaa
1 match

*
<string_buit>
1 match

2.8. Groups ( )

Els grups de captura són una agrupació de caràcters, s'escriu entre ()

Tenen la següent funcionalitat.

1. Capturar i després revisar una coincidència.

2. Grups de cuantificadors.

3. Unions de grups de caràcters ( ab | cd) pipe dins d'un grup = OR

Sintaxi:

Exemple

Rgx: (ab|aza)

Txt: abbaazab

Matches

Número de matches: 3

Quins matches són? ["ab","aza","ab"]

Exemple

Vull provar una mutació d'un tros de cadena d'ADN; per això va molt bé.

Rgx: (GCC){1,}

Txt: AUG(CGA){0,10}GCC

**Núm Matches ? ** 1

2.9 Anchors

Son caràcters especials que no consumeixen entrada i serveixen per indicar una posició.

- ^ CARET : Inici de linea (text).

- $ DOLLAR : Fí de linea (text).

- \b: Principi a final de paraula \s\w o \w\s

Un paràmetre controla si la llibreria treballa linea a linea o tot el text de cop.

Quant es treballa linea a linea, no es té en compte el salt de línea "\n".

EXEMPLE, LECTURA FASTA

Rgx: ^>

Txt:

Fasta demo 1 AGCGATCGT

**Núm Matches ? ** 1

Si es treballa amb multiline, sol troba una ocurrencia

Flags Paràmetres de la llibreria de regexps.

^, $ marca el principi/fi de la linea text (opció Multiline).

. (dot) coincideix amb el \n també (o no).

---

---

Finalment, regla d'or:

Mai utilitzeu regex per parsejar un llenguatge com HTML (ni Java ni PHP ni JS...). No entenen els metacaràcters com els <>,{}, etc...

Link següent sessió

Sessió 9 - Regexp