Matlab-------regexp正則表達式

轉自原文 Matlab-------regexp正則表達式

 

1. 句點符號 '.' ——匹配任意一個（只有一個）字符（包括空格）。
   例如：t.n，它匹配tan、 ten、tin和ton，還匹配t#n、tpn甚至t n，還有其餘許多無心義的組合。
   Matlab例子程序:
   clear;clc

   str='ten,&8yn2tin6ui>&ton, t n,-356tpn,

   t#n,4@).,t@nT&nY';

   pat='t.n';

   [o11,o22,o33]=regexpi(str,pat,'start','end','match');%輸出起始位置和子串

   方括號符號 '[oum]' ——匹配方括號中的任意一個
   例如：t[aeio]n只匹配tan,Ten,tin和toN等。

   方括號中的鏈接符 '[c1-c2]' ——匹配從字符c1開始到字符c2結束的字母序列

   5 \w,\s和\d——類表達式
   和上面的\n等表中的轉義字符有所不一樣，\w,\s,\d等匹配的不是某個特定的字符，而是某一類字符。具體說明以下：
   \w匹配任意的單個文字字符，至關於[a-zA-Z0-9_];
   \s匹配任意的單個空白字符，至關於[\t\f\n\r]；
   \d匹配任意單個數字，至關於[0-9]；
   \S匹配除空白符之外的任意單個字符，至關於[^\t\f\n\r]——方括號中的^表示取反；
   \W匹配任意單個字符，至關於[^a-zA-Z0-9_]；
   \D匹配除數字字符外的任意單個字符，至關於[^0-9]。
   

   expr? 與expr匹配的元素出現0或1次，至關於{0,1}
   expr* 與expr匹配的元素出現1次或更多，至關於{0,}
   expr+ 與expr匹配的元素出現1次或更多，至關於{1,}
   expr{n} 與expr匹配的元素出現n次，至關於{n,n}
   expr{n,} 與expr匹配的元素至少出現n次
   expr{n,m} 與expr匹配的元素出現n次但很少於m次

   regexp(str,'<.*?>','match')

   regexp(str,'<.*>','match')

    

   邏輯運算符

   (expr) 將expr標記爲一組、匹配expr，並將匹配的字符子串標記起來以供後面使用。
   (?:expr) 說明expr爲一組，至關於數學表達式中的()
   例如：?lstr='A body or collection of such stories';
   ?regexp(lstr,'(?:[^aeiou][aeiou]){2,}','match')
   ans =
   'tori'
   上面的表達式中{2,}對[^aeiou][aeiou]起做用，若是去掉分組，則只對[aeiou]起做用，以下所示：
   ?regexp(lstr,'[^aeiou][aeiou]{2,}','match')
   ans =
   'tio' 'rie'
   (?>expr) expr中的每一個元素是一個分組
   (?#expr) expr放在(?#和)之間是就是註釋。
   ^expr 匹配expr，而且出如今原字符串最前端的子串
   expr$ 匹配expr，而且出如今原字符串最末端的子串
   <expr 匹配expr，而且出如今一個單詞最前端的子串
   expr> 匹配expr，而且出如今一個單詞最末端的子串
   <expr> 更嚴格的單詞匹配，如：以s開頭，而且以h結尾的單詞
   ?regexpi(hstr, '<s\w*h>', 'match')
   ans =
   'such'
   3. 左顧右盼——利用上下文匹配
   這個也比較容易理解。就是利用上下文的匹配來找到咱們要找的內容。
   expr1(?=expr2) 找到匹配expr1的子串,若是其後的字符串也匹配expr2
   如，下面的例子查找全部在','以前的單詞。
    ? pstr = ['While I nodded, nearly napping, ' …
   'suddenly there came a tapping,'];
   ?regexpi(pstr, '\w*(?=,)', 'match')
   ans =
   'nodded' 'napping' 'tapping'
   expr1(?!expr2) 找到匹配expr1的子串若是其後的字符串不匹配expr2
   下面的例子匹配全部不在','以前的單詞
   ?regexpi(pstr, '\w*+(?!,)', 'match')
   ans = 
   Columns 1 through 6
   'While' 'I' 'nearly' 'suddenly' 'there' 'came'
   Column 7
   'a'
   (?<=expr1)expr2 找到匹配expr2的子串,若是其前面的字符串也匹配expr1
   下面的例子查找全部在','以後的單詞，注意：','以後可能有空格
   ?regexpi(pstr,'(?<=,\s*)\w*','match')
   ans =
   'nearly' 'suddenly'
   (?<!expr1)expr2 找到匹配expr2的子串,若是其後的字符串不匹配expr1
   下面的例子查找全部不在','以後的單詞，
   ?regexpi(pstr,'(?<!,\s*)\w*','match')
   ans =
   Columns 1 through 6
   'While' 'I' 'nodded' 'early' 'napping' 'uddenly'
   Columns 7 through 10
   'there' 'came' 'a' 'tapping'

    

   應課程實驗要求，要寫一個基於人人網的簡單爬蟲。實驗要求以下：

      學會使用一種編程語言實現爬取人人網關係網絡的程序。該程序功能以下：

   1.  可以輸入用戶登錄所產生的cookie，容許爬蟲對人人網進行爬取網頁。

   2.  可以使用正則表達式對所獲取的網頁內容進行過濾，提取出所須要的重要信息。

   3.  可以分析所得到信息，獲得社交網絡中各個個體之間的好友關係。

   4.  可以將該關係矩陣導入到matlab中，以供數據分析使用。

    

     本文主要針對正則表達式進行介紹。（摘自百度百科）

     一個正則表達式，就是用某種模式去匹配一類字符串的一個公式。

     正則表達式由一些普通字符和一些元字符（metacharacters）組成。普通字符包括大小寫的字母和數字，而元字符則具備特殊的含義，咱們下面會給予解釋。

     在最簡單的狀況下，一個正則表達式看上去就是一個普通的查找串。例如，正則表達式"testing"中沒有包含任何元字符，它能夠匹配"testing"和"123testing"等字符串，可是不能匹配"Testing"。

     正則表達式用於字符串處理、表單驗證等場合，實用高效。現將一些經常使用的表達式收集於此，以備不時之需。

     下面介紹經常使用的正則表達式（摘自http://lifesinger.3322.org/myblog/?p=185）：

      匹配中文字符的正則表達式： [/u4e00-/u9fa5]
      評註：匹配中文還真是個頭疼的事，有了這個表達式就好辦了

      匹配雙字節字符(包括漢字在內)：[^/x00-/xff]

   評註：能夠用來計算字符串的長度（一個雙字節字符長度計2，ASCII字符計1）

   匹配空白行的正則表達式：/n/s*/r
   評註：能夠用來刪除空白行

   匹配HTML標記的正則表達式：<(/S*?)[^>]*>.*?<//1>|<.*? />
   評註：網上流傳的版本太糟糕，上面這個也僅僅能匹配部分，對於複雜的嵌套標記依舊無能爲力

   匹配首尾空白字符的正則表達式：^/s*|/s*$
   評註：能夠用來刪除行首行尾的空白字符(包括空格、製表符、換頁符等等)，很是有用的表達式

   匹配Email地址的正則表達式：/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*
   評註：表單驗證時很實用

   匹配網址URL的正則表達式：[a-zA-z]+://[^/s]*
   評註：網上流傳的版本功能頗有限，上面這個基本能夠知足需求

   匹配賬號是否合法(字母開頭，容許5-16字節，容許字母數字下劃線)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
   評註：表單驗證時很實用

   匹配國內電話號碼：/d{3}-/d{8}|/d{4}-/d{7}
   評註：匹配形式如 0511-4405222 或 021-87888822

   匹配騰訊QQ號：[1-9][0-9]{4,}
   評註：騰訊QQ號從10000開始

   匹配中國郵政編碼：[1-9]/d{5}(?!/d)
   評註：中國郵政編碼爲6位數字

   匹配身份證：/d{15}|/d{18}
   評註：中國的身份證爲15位或18位

   匹配ip地址：/d+/./d+/./d+/./d+
   評註：提取ip地址時有用

   匹配特定數字：
   ^[1-9]/d*$　 　 //匹配正整數
   ^-[1-9]/d*$ 　 //匹配負整數
   ^-?[1-9]/d*$　　 //匹配整數
   ^[1-9]/d*|0$　 //匹配非負整數（正整數 + 0）
   ^-[1-9]/d*|0$　　 //匹配非正整數（負整數 + 0）
   ^[1-9]/d*/./d*|0/./d*[1-9]/d*$　　 //匹配正浮點數
   ^-([1-9]/d*/./d*|0/./d*[1-9]/d*)$　 //匹配負浮點數
   ^-?([1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0)$　 //匹配浮點數
   ^[1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0$　　 //匹配非負浮點數（正浮點數 + 0）
   ^(-([1-9]/d*/./d*|0/./d*[1-9]/d*))|0?/.0+|0$　　//匹配非正浮點數（負浮點數 + 0）
   評註：處理大量數據時有用，具體應用時注意修正

   匹配特定字符串： ^[A-Za-z]+$　　//匹配由26個英文字母組成的字符串 ^[A-Z]+$　　//匹配由26個英文字母的大寫組成的字符串 ^[a-z]+$　　//匹配由26個英文字母的小寫組成的字符串 ^[A-Za-z0-9]+$　　//匹配由數字和26個英文字母組成的字符串 ^/w+$　　//匹配由數字、26個英文字母或者下劃線組成的字符串 評註：最基本也是最經常使用的一些表達式