如何在Common Lisp的CL-PPCRE中模拟Perl正则的\G锚点？

问题背景 #

Perl中可通过带/g修饰符的正则/(\w\w\w)*?TGA/g配合\G锚点，精准匹配DNA序列中的TGA终止密码子，确保每次匹配从上一次匹配结束位置开始，避免错位假匹配。但CL-PPCRE库暂不支持\G锚点，直接使用ppcre:do-matches会出现无效错位匹配（如测试序列中位置23的假匹配），仅过滤寄存器结果的方案不具备通用性。

核心原因 #

CL-PPCRE的ppcre:do-matches默认会在整个目标字符串中查找所有符合正则的匹配，不会强制从上一次匹配的结束位置开始。而Perl的/g修饰符配合\G锚点，会强制后续匹配必须紧接上一次匹配的结尾，这是两者行为的核心差异。

通用解决方案：手动维护匹配起始位置 #

通过手动跟踪每次匹配的起始位置，模拟\G锚点的强制连续匹配行为。具体实现为用循环调用ppcre:scan，每次从当前起始位置开始匹配，成功后更新起始位置为当前匹配的结束点，直到无匹配为止。

实现代码 #

(let ((dna "ATCGTTGAATGCAAATGACATGAC")
      (pattern "(\\w\\w\\w)*?TGA")
      (current-start 0))
  (loop
    ;; 从current-start位置开始扫描匹配
    (multiple-value-bind (match-start match-end reg-starts reg-ends)
        (ppcre:scan pattern dna :start current-start)
      (unless match-start (return)) ; 无匹配则退出循环
      (format t "~&;;; Got a TGA stop codon at position ~d" match-end)
      (setf current-start match-end)))) ; 更新起始位置为当前匹配结束点，模拟\G

方案说明 #

• 该方法完全模拟Perl中\G配合/g的行为：每次匹配必须从上一次匹配的结束位置开始，彻底避免错位假匹配。
• 通用性强：无论正则表达式结构复杂程度如何，只要需要连续锚定匹配，都可用这种方式实现，不会因序列长度或正则逻辑变化失效。
• 对比ppcre:do-matches：手动维护起始位置的方式强制了匹配连续性，而do-matches的默认迭代逻辑无此约束，这也是初始实现出现假匹配的根本原因。

内容的提问来源于stack exchange，提问作者Demihm Seinname