exponenta event banner

Регулярные выражения

В этом разделе описывается, что такое регулярные выражения и как использовать их для поиска текста. Регулярные выражения являются гибкими и мощными, хотя в них используется сложный синтаксис. Альтернативой регулярным выражениям является pattern (начиная с версии R2020b), что упрощает определение и приводит к более легкому считыванию кода. Дополнительные сведения см. в разделе Создание выражений массива.

Что такое регулярное выражение?

Регулярное выражение - это последовательность символов, которая определяет определенный шаблон. Как правило, регулярное выражение используется для поиска текста по группе слов, соответствующих шаблону, например, при анализе входных данных программы или при обработке блока текста.

Вектор символов 'Joh?n\w*' является примером регулярного выражения. Он определяет образец, начинающийся с букв Jo, дополнительно сопровождается буквой h (указывается 'h?'), затем следует буква n, и заканчивается любым количеством символов слова, то есть символов, которые являются буквами, цифрами или подчеркиванием (обозначается '\w*'). Этот шаблон соответствует любому из следующих вариантов:

Jon, John, Jonathan, Johnny

Регулярные выражения предоставляют уникальный способ поиска объема текста для определенного подмножества символов в этом тексте. Вместо поиска точного соответствия символов, как вы бы сделать с функцией, как strfind, регулярные выражения дают возможность искать определенный шаблон символов.

Например, несколько способов выражения метрической скорости скорости:

km/h
km/hr
km/hour
kilometers/hour
kilometers per hour

Вы можете найти любой из вышеперечисленных терминов в своем тексте, введя пять отдельных команд поиска:

strfind(text, 'km/h');
strfind(text, 'km/hour');
% etc.

Однако для повышения эффективности можно создать одну фразу, которая применима ко всем этим поисковым терминам:

Переведите эту фразу в регулярное выражение (будет объяснено ниже в этом разделе), и у вас есть:

pattern = 'k(ilo)?m(eters)?(/|\sper\s)h(r|our)?';

Теперь найдите один или несколько терминов, используя одну команду:

text = ['The high-speed train traveled at 250 ', ...
   'kilometers per hour alongside the automobile ', ...
   'travelling at 120 km/h.'];
regexp(text, pattern, 'match')
ans =

  1×2 cell array

    {'kilometers per hour'}    {'km/h'}

Существует четыре функции MATLAB ®, которые поддерживают поиск и замену символов с помощью регулярных выражений. Первые три аналогичны по входным значениям, которые они принимают, и выходным значениям, которые они возвращают. Для получения дополнительных сведений щелкните ссылки на страницы ссылок на функции.

ФункцияОписание
regexp

Соответствие регулярному выражению.

regexpi

Соответствует регулярному выражению, регистр игнорируется.

regexprep

Заменить часть текста регулярным выражением.

regexptranslate

Перевод текста в регулярное выражение.

При вызове любой из первых трех функций передайте анализируемый текст и регулярное выражение в первых двух входных аргументах. При звонке regexprepпередайте дополнительный ввод, который является выражением, указывающим шаблон для замены.

Шаги построения выражений

При использовании регулярных выражений для поиска текста для определенного термина необходимо выполнить три шага:

  1. Определение уникальных шаблонов в строке

    Это влечет за собой разделение текста, который требуется найти, на группы одинаковых типов символов. Эти типы символов могут представлять собой ряд строчных букв, знак доллара, за которым следуют три числа, а затем десятичная точка и т.д.

  2. Выражать каждый шаблон как регулярное выражение

    Используйте метасимволы и операторы, описанные в этой документации, чтобы выразить каждый сегмент шаблона поиска как регулярное выражение. Затем объедините эти сегменты выражения в одно выражение для использования в поиске.

  3. Вызовите соответствующую функцию поиска

    Передача текста, который требуется проанализировать, одной из функций поиска, например: regexp или regexpiили функции замены текста, regexprep.

В примере, показанном в этом разделе, выполняется поиск записи, содержащей контактную информацию, принадлежащую группе из пяти друзей. Эта информация включает имя, номер телефона, место жительства и адрес электронной почты каждого человека. Цель состоит в том, чтобы извлечь конкретную информацию из текста..

contacts = { ...
'Harry  287-625-7315  Columbus, OH  hparker@hmail.com'; ...
'Janice  529-882-1759  Fresno, CA  jan_stephens@horizon.net'; ...
'Mike  793-136-0975  Richmond, VA  sue_and_mike@hmail.net'; ...
'Nadine  648-427-9947  Tampa, FL  nadine_berry@horizon.net'; ...
'Jason  697-336-7728  Montrose, CO  jason_blake@mymail.com'};

В первой части примера создается регулярное выражение, представляющее формат стандартного адреса электронной почты. С помощью этого выражения в примере выполняется поиск информации по адресу электронной почты одного из друзей. Контактная информация для Дженис находится во 2-й строке contacts массив ячеек:

contacts{2}
ans =

    'Janice  529-882-1759  Fresno, CA  jan_stephens@horizon.net'

Шаг 1 - Определение уникальных шаблонов в тексте

Типичный адрес электронной почты состоит из стандартных компонентов: имя учетной записи пользователя, за которым следует знак @, имя поставщика интернет-услуг пользователя (ISP), точка (точка) и домен, к которому принадлежит ISP. В таблице ниже перечислены эти компоненты в левом столбце и обобщен формат каждого компонента в правом столбце.

Уникальные шаблоны адреса электронной почтыОбщее описание каждого шаблона
Начать с имени учетной записи
 jan_stephens  . . .
Одна или несколько строчных букв и подчеркиваний
Добавить '@'
 jan_stephens@  . . .
@ знак
Добавление интернет-провайдера
 jan_stephens@horizon  . . .
Одна или несколько строчных букв, без подчеркивания
Добавить точку (точку)
 jan_stephens@horizon.  . . .
Знак точки (точки)
Завершить с доменом
 jan_stephens@horizon.net
com или net

Шаг 2 - Выражение каждого шаблона в виде регулярного выражения

На этом шаге выполняется перевод общих форматов, полученных на шаге 1, в сегменты регулярного выражения. Затем эти сегменты добавляются вместе для формирования всего выражения.

В таблице ниже приведены обобщенные описания форматов каждого образца символов в крайнем левом столбце. (Это было перенесено из правого столбца таблицы на этапе 1.) Во втором столбце показаны операторы или метасимволы, представляющие образец символа.

Описание каждого сегментаОбразец
Одна или несколько строчных букв и подчеркиваний[a-z_]+
@ знак@
Одна или несколько строчных букв, без подчеркивания[a-z]+
Знак точки (точки)\.
com или net(com|net)

Объединение этих образцов в один символьный вектор дает полное выражение:

email = '[a-z_]+@[a-z]+\.(com|net)';

Шаг 3 - Вызов соответствующей функции поиска

На этом шаге регулярное выражение, полученное на шаге 2, используется для сопоставления адреса электронной почты одного из друзей в группе. Используйте regexp для выполнения поиска.

Вот список контактной информации, показанный ранее в этом разделе. Запись каждого человека занимает ряд contacts массив ячеек:

contacts = { ...
'Harry  287-625-7315  Columbus, OH  hparker@hmail.com'; ...
'Janice  529-882-1759  Fresno, CA  jan_stephens@horizon.net'; ...
'Mike  793-136-0975  Richmond, VA  sue_and_mike@hmail.net'; ...
'Nadine  648-427-9947  Tampa, FL  nadine_berry@horizon.net'; ...
'Jason  697-336-7728  Montrose, CO  jason_blake@mymail.com'};

Это регулярное выражение, представляющее адрес электронной почты, полученный на шаге 2:

email = '[a-z_]+@[a-z]+\.(com|net)';

Позвоните в regexp , передавая строку 2 contacts массив ячеек и email регулярное выражение. Это возвращает адрес электронной почты Дженис.

regexp(contacts{2}, email, 'match')
ans =

  1×1 cell array

    {'jan_stephens@horizon.net'}

MATLAB анализирует вектор символов слева направо, «потребляя» его по мере движения. При обнаружении совпадающих символов regexp записывает местоположение и возобновляет анализ вектора символов, начиная сразу после окончания последнего совпадения.

Сделайте тот же звонок, но на этот раз для пятого человека в списке:

regexp(contacts{5}, email, 'match')
ans =

  1×1 cell array

    {'jason_blake@mymail.com'}

Можно также выполнить поиск адреса электронной почты всех участников списка, используя весь массив ячеек для входного аргумента:

regexp(contacts, email, 'match');

Операторы и символы

Регулярные выражения могут содержать символы, метасимволы, операторы, маркеры и флаги, определяющие шаблоны для сопоставления, как описано в следующих разделах:

Метазнаки

Метасимволы представляют собой буквы, диапазоны букв, цифры и символы пробела. Используйте их для построения обобщенного образца символов.

Метахарактер

Описание

Пример

.

Любой отдельный символ, включая пробел

'..ain' соответствует последовательностям из пяти последовательных символов, которые заканчиваются на 'ain'.

[c1c2c3]

Любой символ, заключенный в квадратные скобки. Следующие символы обрабатываются буквально: $ | . * + ? и - если не используется для указания диапазона.

'[rp.]ain' матчи 'rain' или 'pain' или '.ain'.

[^c1c2c3]

Любой символ, не заключенный в квадратные скобки. Следующие символы обрабатываются буквально: $ | . * + ? и - если не используется для указания диапазона.

'[^*rp]ain' соответствует всем четырехбуквенным последовательностям, которые заканчиваются на 'ain', за исключением 'rain' и 'pain' и '*ain'. Например, он соответствует 'gain', 'lain', или 'vain'.

[c1-c2]

Любой символ в диапазоне cот 1 до c2

'[A-G]' соответствует одному символу в диапазоне A через G.

\w

Любой алфавитный, цифровой или символ подчеркивания. Для английских наборов символов, \w эквивалентно [a-zA-Z_0-9]

'\w*' определяет слово, состоящее из любой группы букв, цифр или символов подчеркивания.

\W

Любой символ, не являющийся алфавитным, цифровым или подчеркиванием. Для английских наборов символов, \W эквивалентно [^a-zA-Z_0-9]

'\W*' определяет термин, который не является словом, состоящим из какой-либо группы букв, цифр или символов подчеркивания.

\s

Любой символ пробела; эквивалентно [ \f\n\r\t\v]

'\w*n\s' совпадает со словами, которые заканчиваются буквой n, за которым следует символ пробела.

\S

Любой символ, отличный от пробела; эквивалентно [^ \f\n\r\t\v]

'\d\S' соответствует цифровой цифре, за которой следует любой символ, отличный от пробела.

\d

Любая цифровая цифра; эквивалентно [0-9]

'\d*' соответствует любому количеству последовательных цифр.

\D

Любой неигрирующий персонаж; эквивалентно [^0-9]

'\w*\D\>' соответствует словам, которые не заканчиваются цифровой цифрой.

\oN или \o{N}

Символ восьмеричного значения N

'\o{40}' соответствует символу пробела, определяемому восьмеричным 40.

\xN или \x{N}

Символ шестнадцатеричного значения N

'\x2C' соответствует запятой, определяемой шестнадцатеричным символом 2C.

Символьное представление

Оператор

Описание

\a

Аварийный сигнал (звуковой сигнал)

\b

Клавиша Backspace

\f

Веб-канал формы

\n

Новая линия

\r

Возврат каретки

\t

Горизонтальная вкладка

\v

Вертикальная вкладка

\char

Любой символ со специальным значением в регулярных выражениях, которые должны совпадать буквально (например, используйте \\ для сопоставления с одной обратной косой чертой)

Кванторы

Квантификаторы указывают, сколько раз шаблон должен присутствовать в соответствующем тексте.

Квантор

Число выполнений выражения

Пример

expr*

0 или более раз последовательно.

'\w*' соответствует слову любой длины.

expr?

0 раз или 1 раз.

'\w*(\.m)?' соответствует словам, которые при необходимости заканчиваются расширением .m.

expr+

1 или более раз последовательно.

'<img src="\w+\.gif">' соответствует <img> HTML-тег, если имя файла содержит один или несколько символов.

expr{m,n}

По крайней мере m времена, но не более n раз за разом.

{0,1} эквивалентно ?.

'\S{4,8}' соответствует от четырех до восьми символов, не являющихся пробелами.

expr{m,}

По крайней мере m раз за разом.

{0,} и {1,} эквивалентны * и +соответственно.

'<a href="\w{1,}\.html">' соответствует <a> HTML-тег, если имя файла содержит один или несколько символов.

expr{n}

Точно n раз за разом.

Эквивалентно {n,n}.

'\d{4}' соответствует четырем последовательным цифрам.

Квантователи могут появляться в трех режимах, описанных в следующей таблице. q представляет любой из количественных показателей в предыдущей таблице.

Способ

Описание

Пример

exprq

Жадное выражение: соответствует как можно большему количеству символов.

Учитывая текст '<tr><td><p>text</p></td>', выражение '</?t.*>' соответствует всем символам между <tr и /td>:

'<tr><td><p>text</p></td>'

exprq?

Ленивое выражение: соответствует необходимому количеству символов.

Учитывая текст'<tr><td><p>text</p></td>', выражение '</?t.*?>' заканчивает каждое совпадение при первом появлении закрывающей угловой скобки (>):

'<tr>'   '<td>'   '</td>'

exprq +

Притяжательное выражение: максимально совпадать, но не повторять какие-либо части текста.

Учитывая текст'<tr><td><p>text</p></td>', выражение '</?t.*+>' не возвращает совпадения, поскольку закрывающая угловая скобка захватывается с помощью .*, и не повторяется.

Группирование операторов

Операторы группировки позволяют захватывать маркеры, применять один оператор к нескольким элементам или отключать обратное отслеживание в определенной группе.

Оператор группировки

Описание

Пример

(expr)

Группировка элементов выражения и маркеров захвата.

'Joh?n\s(\w*)' захватывает маркер, содержащий фамилию любого лица с именем John или Jon.

(?:expr)

Группировать, но не захватывать токены.

'(?:[aeiou][^aeiou]){2}' соответствует двум последовательным шаблонам гласного, за которым следует негласный, например 'anon'.

Без группировки, '[aeiou][^aeiou]{2}'соответствует гласному, за которым следуют два негласных.

(?>expr)

Группировать атомарно. Не выполняйте обратную трассировку внутри группы для завершения сопоставления и не захватывайте токены.

'A(?>.*)Z' не соответствует 'AtoZ', хотя 'A(?:.*)Z' делает. Используя атомную группу, Z захватывается с помощью .* и не повторяется.

(expr1|expr2)

Выражение соответствия expr1 или выражение expr2.

При совпадении с expr1, то expr2 игнорируется.

Можно включить ?: или ?> после открывающей круглой скобки подавлять токены или атомарно группировать.

'(let|tel)\w+' соответствует словам, которые начинаются с let или tel.

Якоря

Якоря в выражении соответствуют началу или концу символьного вектора или слова.

Якорь

Соответствует...

Пример

^expr

Начало входного текста.

'^M\w*' соответствует слову, начинающемуся с M в начале текста.

expr$

Конец входного текста.

'\w*m$' соответствует словам, заканчивающимся на m в конце текста.

\<expr

Начало слова.

'\<n\w*' соответствует любым словам, начинающимся с n.

expr\>

Конец слова.

'\w*e\>' соответствует любым словам, заканчивающимся на e.

Утверждения Lookaround

Утверждения lookaround ищут шаблоны, которые непосредственно предшествуют предполагаемому соответствию или следуют за ним, но не являются его частью.

Указатель остается в текущем местоположении, а символы соответствуют test выражения не захватываются и не отбрасываются. Поэтому утверждения lookahead могут совпадать с перекрывающимися группами символов.

Lookaround утверждение

Описание

Пример

expr(?=test)

Загляните вперед, чтобы найти совпадающие символы test.

'\w*(?=ing)' соответствует срокам, за которыми следуют ing, такие как 'Fly' и 'fall' во входном тексте 'Flying, not falling.'

expr(?!test)

Загляните вперед для символов, которые не совпадают test.

'i(?!ng)' соответствует экземплярам буквы i за которыми не следует ng.

(?<=test)expr

Искать совпадающие символы test.

'(?<=re)\w*' соответствует следующим условиям 're', такие как 'new', 'use', и 'cycle' во входном тексте 'renew, reuse, recycle'

(?<!test)expr

Искать символы, которые не совпадают test.

'(?<!\d)(\d)(?!\d)' соответствует однозначным числам (цифрам, которые не предшествуют или не следуют за другими цифрами).

Если перед выражением указать утверждение lookahead, операция эквивалентна логической AND.

Операция

Описание

Пример

(?=test)expr

Сопоставить оба test и expr.

'(?=[a-z])[^aeiou]' соответствует согласным.

(?!test)expr

Матч expr и не совпадают test.

'(?![aeiou])[a-z]' соответствует согласным.

Дополнительные сведения см. в разделе Lookahead Assertions in Regular Expressions.

Логические и условные операторы

Логические и условные операторы позволяют проверить состояние данного условия, а затем использовать результат, чтобы определить, какой шаблон, если он есть, будет соответствовать следующему. Эти операторы поддерживают логические OR и if или if/else условия. (Для AND условия, см. Lookaround Утверждения.)

Условия могут быть маркерами, проверяемыми утверждениями или динамическими выражениями формы (?@cmd). Динамические выражения должны возвращать логическое или числовое значение.

Условный оператор

Описание

Пример

expr1|expr2

Выражение соответствия expr1 или выражение expr2.

При совпадении с expr1, то expr2 игнорируется.

'(let|tel)\w+' соответствует словам, которые начинаются с let или tel.

(?(cond)expr)

Если условие cond является trueЗатем сопоставьте expr.

'(?(?@ispc)[A-Z]:\\)' соответствует имени диска, например C:\, при запуске в системе Windows ®.

(?(cond)expr1|expr2)

Если условие cond является trueЗатем сопоставьте expr1. В противном случае совпадение expr2.

'Mr(s?)\..*?(?(1)her|his) \w*' соответствует тексту, включающему her когда текст начинается с Mrs, или которая включает his когда текст начинается с Mr.

Операторы маркеров

Маркеры - это части совпадающего текста, определяемые путем включения части регулярного выражения в круглые скобки. Можно ссылаться на маркер по его последовательности в тексте (порядковый маркер) или назначать имена маркерам для упрощения обслуживания кода и удобочитаемого вывода.

Оператор маркера порядкового номера

Описание

Пример

(expr)

Зафиксируйте в маркере символы, соответствующие заключенному выражению.

'Joh?n\s(\w*)' захватывает маркер, содержащий фамилию любого лица с именем John или Jon.

\N

Сопоставить NТый токен.

'<(\w+).*>.*</\1>' захватывает маркеры для HTML-тегов, например, 'title' из текста '<title>Some text</title>'.

(?(N)expr1|expr2)

Если Nth токен найден, затем соответствует expr1. В противном случае совпадение expr2.

'Mr(s?)\..*?(?(1)her|his) \w*' соответствует тексту, включающему her когда текст начинается с Mrs, или которая включает his когда текст начинается с Mr.

Оператор именованного маркера

Описание

Пример

(?<name>expr)

Зафиксируйте в именованном маркере символы, соответствующие заключенному выражению.

'(?<month>\d+)-(?<day>\d+)-(?<yr>\d+)' создает именованные маркеры для месяца, дня и года в дате ввода формы mm-dd-yy.

\k<name>

Сопоставить маркер, на который ссылается name.

'<(?<tag>\w+).*>.*</\k<tag>>' захватывает маркеры для HTML-тегов, например, 'title' из текста '<title>Some text</title>'.

(?(name)expr1|expr2)

Если именованный токен найден, тогда сопоставьте expr1. В противном случае совпадение expr2.

'Mr(?<sex>s?)\..*?(?(sex)her|his) \w*' соответствует тексту, включающему her когда текст начинается с Mrs, или которая включает his когда текст начинается с Mr.

Примечание

Если выражение имеет вложенные круглые скобки, MATLAB захватывает маркеры, соответствующие самому внешнему набору круглых скобок. Например, учитывая шаблон поиска '(and(y|rew))', MATLAB создает маркер для 'andrew' но не для 'y' или 'rew'.

Дополнительные сведения см. в разделе Маркеры в регулярных выражениях.

Динамические выражения

Динамические выражения позволяют выполнять команду MATLAB или регулярное выражение для определения совпадающего текста.

Круглые скобки, содержащие динамические выражения, не создают группу захвата.

Оператор

Описание

Пример

(??expr)

Разбор expr и включить результирующий термин в выражение соответствия.

При анализе expr должно соответствовать полному допустимому регулярному выражению. Динамические выражения, использующие символ обратной косой черты (\) требуется два обратных косых черты: один для начального анализа exprи один за полный матч.

'^(\d+)((??\\w{$1}))' определяет, сколько символов должно совпадать, считывая цифру в начале совпадения. Динамическое выражение заключено во второй набор скобок, так что результирующее совпадение фиксируется в маркере. Например, совпадение '5XXXXX' захватывает маркеры для '5' и 'XXXXX'.

(??@cmd)

Выполните команду MATLAB, представленную cmdи включить выходные данные, возвращенные командой, в выражение соответствия.

'(.{2,}).?(??@fliplr($1))' находит палиндромы длиной не менее четырех символов, такие как 'abba'.

(?@cmd)

Выполните команду MATLAB, представленную cmd, но отменить любые выходные данные, возвращаемые командой. (Полезно для диагностики регулярных выражений.)

'\w*?(\w)(?@disp($1))\1\w*' совпадает со словами, включающими двойные буквы (например, pp) и отображает промежуточные результаты.

В динамических выражениях используйте следующие операторы для определения терминов замены.

Оператор замены

Описание

$& или $0

Часть входного текста, которая в настоящее время соответствует

$`

Часть входного текста, предшествующая текущему совпадению

$'

Часть входного текста, которая следует за текущим совпадением (используйте $'' представлять $')

$N

Nтый токен

$<name>

Именованный токен

${cmd}

Выходные данные, возвращаемые при выполнении команды MATLAB, cmd

Дополнительные сведения см. в разделе Динамические регулярные выражения.

Комментарии

comment позволяет вставлять комментарии в код, чтобы сделать его более удобным для обслуживания. Текст комментария игнорируется MATLAB при сопоставлении с вводимым текстом.

Персонажи

Описание

Пример

(?#comment)

Вставка комментария в регулярное выражение. Текст комментария игнорируется при совпадении ввода.

'(?# Initial digit)\<\d\w+' включает комментарий и совпадает со словами, начинающимися с числа.

Флаги поиска

Флаги поиска изменяют поведение соответствующих выражений.

Флаг

Описание

(?-i)

Совпадение буквенного регистра (по умолчанию для regexp и regexprep).

(?i)

Не соответствовать буквенному регистру (по умолчанию для regexpi).

(?s)

Точка совпадения (.) в шаблоне с любым символом (по умолчанию).

(?-s)

Сопоставьте точку в шаблоне с любым символом, который не является символом новой строки.

(?-m)

Сопоставить ^ и $ метасимволы в начале и конце текста (по умолчанию).

(?m)

Сопоставить ^ и $ метасимволы в начале и конце строки.

(?-x)

Включать символы пробела и комментарии при совпадении (по умолчанию).

(?x)

Игнорировать символы пробела и комментарии при сопоставлении. Использовать '\ ' и '\#' для соответствия пространству и # персонажи.

Выражение, которое изменяет флаг, может появиться после скобок, например

(?i)\w*

или внутри скобок и отделены от флага двоеточием (:), например,

(?i:\w*)

Последний синтаксис позволяет изменить поведение части большего выражения.

См. также

| | | |

Связанные темы