Регулярные выражения

В этом разделе описывается, что такое регулярные выражения и как их использовать для поиска текста. Регулярные выражения являются гибкими и мощными, хотя и используют сложный синтаксис. Альтернативой регулярным выражениям является pattern (поскольку R2020b), который проще определить и результаты к коду, который легче считать. Для получения дополнительной информации см. раздел «Построение Шаблона выражения».

Что такое регулярное выражение?

Регулярное выражение является последовательностью символов, которая задает определенный шаблон. Обычно вы используете регулярное выражение для поиска текста группы слов, которая соответствует шаблону, например, при анализе входа программы или при обработке блока текста.

Вектор символов 'Joh?n\w*' является примером регулярного выражения. Он задает шаблон, который начинается с букв Jo, опционально сопровождается буквой h (обозначенный 'h?'), затем следует буква n, и заканчивается любым количеством word characters, то есть символов, которые являются буквенными, числовыми или подчеркивающими (обозначены '\w*'). Этот шаблон соответствует любому из следующих:

Jon, John, Jonathan, Johnny

Регулярные выражения обеспечивают уникальный способ поиска объема текста для определенного подмножества символов в этом тексте. Вместо того, чтобы искать точное совпадение символов, как вы бы сделали с такой функцией, как strfindрегулярные выражения дают вам возможность искать конкретный шаблон символов.

Для примера несколько способов выражения метрической скорости:

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

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

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

Однако, чтобы быть более эффективным, можно создать одну фразу, которая применяется ко всем этим условиям поиска:

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

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

Теперь найдите один или несколько терминов, используя всего 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 MATLAB® функции, поддерживающие поиск и замену символов с помощью регулярных выражений. Первые три аналогичны во входных значениях, которые они принимают, и выходных значениях, которые они возвращают. Для получения дополнительной информации щелкните ссылки на страницы с описанием функции.

ФункцияОписание
regexp

Совпадает с регулярным выражением.

regexpi

Совпадает с регулярным выражением, игнорируя случай.

regexprep

Замените часть текста с помощью регулярного выражения.

regexptranslate

Переведите текст в регулярное выражение.

При вызове любой из первых трех функций передайте текст, который будет проанализирован, и регулярное выражение в первых двух входных параметрах. При вызове regexprep, передайте дополнительный вход, который является выражением, задающим шаблон для замены.

Шаги для создания выражений

Существует три шага, связанных с использованием регулярных выражений для поиска текста для определенного термина:

  1. Идентифицируйте уникальные шаблоны в строке

    Это влечет за собой разбиение текста, который вы хотите искать, на группы подобных типов символов. Эти типы символов могут быть серией строчных букв, знаком доллара, за которым следуют три цифры, а затем десятичная точка и т.д.

  2. Выразите каждый шаблон как регулярное выражение

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

  3. Вызовите соответствующую функцию поиска

    Передайте текст, который вы хотите проанализировать, в одну из функций поиска, таких как regexp или regexpi, или 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 каждого человека, номер телефона, место жительства и адрес электронной почты. 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, которое представляет формат стандартного адреса электронной почты. Используя это выражение, пример затем ищет информацию для адреса электронной почты одной из групп друзей. Контактная информация для Дженис находится в строке 2 contacts массив ячеек:

contacts{2}
ans =

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

Шаг 1 - Идентифицируйте уникальные шаблоны в тексте

Типичный адрес электронной почты состоит из стандартных компонентов: имя учетной записи пользователя, за которым следует знак @, имя интернет-провайдера (ISP) пользователя, точка (точка) и область, к которому принадлежит интернет-провайдер. 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
Начните с имени учетной записи
 jan_stephens  . . .
Одна или несколько строчных букв и подчеркивания
Добавить '@'
 jan_stephens@  . . .
@ знак
Добавьте ISP
 jan_stephens@horizon  . . .
Одна или несколько строчных букв, без подчеркивания
Добавить точку (точка)
 jan_stephens@horizon.  . . .
Символ точки (период)
Завершите с областью
 jan_stephens@horizon.net
com или net

Шаг 2 - Выражение каждого шаблона как регулярного выражения

На этом шаге вы переводите общие форматы, выведенные на шаге 1, в сегменты регулярного выражения. Затем вы добавляете эти сегменты вместе, чтобы сформировать все выражение.

В таблице ниже показаны обобщенные описания формата каждого шаблона символов в самом левом столбце. (Это было перенесено из правого столбца таблицы на шаге 1.) Во втором столбце показаны операторы или метасимволы, которые представляют шаблон символов.

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

Сборка этих шаблонов в один вектор символов дает вам полное выражение:

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

Шаг 3 - Вызов соответствующей функции поиска

На этом шаге вы используете регулярное выражение, производное от шага 2, чтобы соответствовать адресу электронной почты одного из друзей в группе. Используйте regexp функция для выполнения поиска.

Вот список контактных данных, показанных ранее в этом разделе. Запись каждого человека занимает строку 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, которое представляет адрес электронной почты, производный от шага 2:

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

Вызовите regexp функция, передающая строку 2 contacts массив ячеек и email регулярное выражение. Это возвращает адрес электронной почты для Дженис.

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

  1×1 cell array

    {'jan_stephens@horizon.net'}

MATLAB анализирует вектор символов слева направо, «потребляя» вектор как он идет. Если найдены соответствующие символы, regexp записывает местоположение и возобновляет синтаксический анализ вектора символов, начиная сразу после окончания последнего совпадения.

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

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

  1×1 cell array

    {'jason_blake@mymail.com'}

Вы также можете искать адрес электронной почты всех в списке, используя весь массив ячеек для входного параметра:

regexp(contacts, email, 'match');

Операторы и символы

Регулярные выражения могут содержать символы, метасимволы, операторы, лексемы и флаги, которые задают шаблоны, которые будут совпадать, как описано в следующих разделах:

Метасимволы

Метасимволы представляют буквы, области значений букв, цифры и пробел символов. Используйте их, чтобы создать обобщенный шаблон символов.

Метасимвол

Описание

Пример

.

Любой один символ, включая пустое пространство

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

[c1c2c3]

Любой символ, содержащийся в квадратных скобках. К следующим символам относятся буквально: $ | . * + ? и - если не используется для указания области значений.

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

[^c1c2c3]

Любой символ, не содержащийся в квадратных скобках. К следующим символам относятся буквально: $ | . * + ? и - если не используется для указания области значений.

'[^*rp]ain' соответствует всем четырехбуквенным последовательностям, которые заканчиваются 'ain', кроме 'rain' и 'pain' и '*ain'. Для примера оно совпадает 'gain', 'lain', или 'vain'.

[c1 -c2 ]

Любой символ в области значений cС 1 по c2

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

\w

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

'\w*' определяет слово, состоящее из любой группы алфавитных, числовых символов или символов подчеркивания.

\W

Любой символ, который не является буквенным, числовым или подчеркивающим. Для английских наборов символов, \W эквивалентно [^a-zA-Z_0-9]

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

\s

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

'\w*n\s' совпадает со словами, которые заканчиваются буквой n, далее следует символ «белый космос».

\S

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

'\d\S' соответствует числовой цифре, за которой следует любой символ, не являющийся пробелом.

\d

Любая числовая цифра; эквивалентно [0-9]

'\d*' соответствует любому количеству последовательных цифр.

\D

Любой недигит символ; эквивалентно [^0-9]

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

\oN или \o{N}

Символ восьмеричного значения N

'\o{40}' соответствует пробельному символу, заданному восьмиугольным 40.

\xN или \x{N}

Символ шестнадцатеричного значения N

'\x2C' соответствует символу запятой, заданному как hex 2C.

Представление символов

Оператор

Описание

\a

Предупреждение (звуковой сигнал)

\b

Клавиша Backspace

\f

Подача формы

\n

Новая линия

\r

Возврат каретки

\t

Горизонтальная вкладка

\v

Вертикальная вкладка

\char

Любой символ со специальным смыслом в регулярных выражениях, которым вы хотите соответствовать буквально (для примера используйте \\ для соответствия одной обратной косой черты)

Кванторы

Количественники задают количество раз, когда шаблон должен происходить в соответствующем тексте.

Квантор

Количество раз, когда происходит выражение

Пример

expr*

0 или более раз последовательно.

'\w*' соответствует слову любой длины.

expr?

0 раз или 1 раз.

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

expr+

1 или более раз последовательно.

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

expr{m,n}

По крайней мере m раз, но не более n раз последовательно.

{0,1} эквивалентно ?.

'\S{4,8}' совпадает с четырьмя и восемью непустыми символами.

expr{m,}

По крайней мере m раз последовательно.

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

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

expr{n}

Точно n раз последовательно.

Эквивалентно {n,n}.

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

Количественные значения могут появляться в трех режимах, описанных в следующей таблице. q представляет любой из количеств в предыдущей таблице.

Способ

Описание

Пример

exprq

Жадное выражение: соответствовать 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: соответствовать столько символов, сколько нужно.

Учитывая текст '<tr><td><p>text</p></td>', выражение '</?t.*?>' заканчивается каждый матч на первом вхождении закрывающего угла скобки (>):

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

exprq +

Посессивное выражение: максимально совпадает, но не повторяет никаких фрагментов текста.

Учитывая текст '<tr><td><p>text</p></td>', выражение '</?t.*+>' не возвращает совпадений, потому что закрывающая угловая скобка получена с помощью .*, и не пересматривается.

Группировка операторов

Группирующие операторы позволяют вам захватывать лексемы, применять один оператор к нескольким элементам или отключать обратное отслеживание в определенной группе.

Группировка оператора

Описание

Пример

(expr)

Группируйте элементы выражения и захватывайте лексемы.

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

(?:expr)

Группируйте, но не захватывайте лексемы.

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

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

(?>expr)

Группируйте атомарно. Не возвращайте данные в группу, чтобы завершить соответствие, и не захватывайте лексемы.

'A(?>.*)Z' не совпадает с 'AtoZ', хотя 'A(?:.*)Z' делает. Используя атомарную группу, Z захватывается с помощью .* и не пересматривается.

(expr1|expr2)

Совпадение выражений expr1 или выражение expr2.

Если есть совпадение с expr1, затем expr2 игнорируется.

Можно включать ?: или ?> после открытия круглой скобки для подавления лексем или группы атомарно.

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

Якоря

Якоря в выражении совпадают с началом или концом вектора символов 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, начиная с n.

expr\>

Конец слова.

'\w*e\>' совпадает с любыми словами, заканчивающимися на e.

Интерполяционные утверждения

Интерполяционные утверждения ищут шаблоны, которые непосредственно предшествуют или следуют предполагаемому соответствию, но не являются частью соответствия.

Указатель остается в текущем местоположении и символах, соответствующих test выражение не захватывается и не отбрасывается. Поэтому утверждения lookahead могут совпадать с перекрывающимися группами символов.

Интерполяционная заявка

Описание

Пример

expr(?=test)

Смотрите вперед для символов, которые совпадают test.

'\w*(?=ing)' соответствует условиям, которые следуют ing, таких как 'Fly' и 'fall' в вход тексте 'Flying, not falling.'

expr(?!test)

Смотрите вперед для символов, которые не совпадают test.

'i(?!ng)' соответствует образцам буквы i за которыми не следуют ng.

(?<=test)expr

Следите за символами, которые совпадают test.

'(?<=re)\w*' соответствует следующим терминам 're', таких как 'new', 'use', и 'cycle' в вход тексте 'renew, reuse, recycle'

(?<!test)expr

Просмотрите символы, которые не совпадают с test.

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

Если вы задаете значения перед выражением, операция эквивалентна логической AND.

Операция

Описание

Пример

(?=test)expr

Соответствовать обоим test и expr.

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

(?!test)expr

Совпадайте с expr и не совпадать с test.

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

Для получения дополнительной информации см. Раздел «Значения Lookahead в регулярных выражениях».

Логические и условные операторы

Логические и условные операторы позволяют вам проверить состояние заданного 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 Assertions.)

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

Условный оператор

Описание

Пример

expr1|expr2

Совпадение выражений expr1 или выражение expr2.

Если есть совпадение с expr1, затем expr2 игнорируется.

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

(?(cond)expr)

Если условие cond является true, затем соответствовать expr.

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

(?(cond)expr1|expr2)

Если условие cond является true, затем соответствовать expr1. В противном случае совпадает с expr2.

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

Операторы токенов

Лексемы являются фрагментами совпадающего текста, которые вы задаете, заключая часть регулярного выражения в круглые скобки. Вы можете обратиться к лексеме по его последовательности в тексте (порядковая лексема) или назначить имена лексем для более легкого обслуживания кода и читаемых выходов.

Оператор порядкового маркера

Описание

Пример

(expr)

Захват в лексему символов, соответствующих вложенному выражению.

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

\N

Соответствовать Nth token.

'<(\w+).*>.*</\1>' захватывает лексемы для HTML, таких как 'title' из текстовой '<title>Some text</title>'.

(?(N)expr1|expr2)

Если на Nнайден th лексема, затем совпадают expr1. В противном случае совпадает с expr2.

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

Оператор именованных маркеров

Описание

Пример

(?<name>expr)

Захват в именованную лексему символов, соответствующих вложенному выражению.

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

\k<name>

Соответствовать лексеме, на которую ссылаются name.

'<(?<tag>\w+).*>.*</\k<tag>>' захватывает лексемы для HTML, таких как 'title' из текстовой '<title>Some text</title>'.

(?(name)expr1|expr2)

Если именованная лексема найдена, то совпадайте с expr1. В противном случае совпадает с expr2.

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

Примечание

Если выражение имеет вложенные круглые скобки, MATLAB захватывает лексемы, которые соответствуют крайнему набору круглых скобок. Для примера, учитывая шаблон поиска '(and(y|rew))'MATLAB создает лексему для 'andrew' но не для 'y' или 'rew'.

Для получения дополнительной информации см. лексемы в регулярных выражениях».

Динамические выражения

Динамические выражения позволяют вам выполнить команду MATLAB или регулярное выражение, чтобы определить текст, который будет совпадать.

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

Оператор

Описание

Пример

(??expr)

Синтаксический анализ expr и включите получившийся термин в совпадающее выражение.

При анализе expr должно соответствовать полному, допустимому регулярному выражению. Динамические выражения, которые используют escape символ обратной косой черты (\) требуются две обратные косые черты: одна для начального разбора expr, и один для полного соответствия.

'^(\d+)((??\\w{$1}))' определяет, сколько символов должно совпадать, считывая цифру в начале соответствия. Динамическое выражение заключено во второй набор круглых скобок, так что полученное соответствие захватывается в лексему. Для образца, соответствие '5XXXXX' захватывает лексемы для '5' и 'XXXXX'.

(??@cmd)

Выполните команду MATLAB, представленную cmd, и включить выходы, возвращенные командой, в выражение соответствия.

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

(?@cmd)

Выполните команду MATLAB, представленную cmd, но отменить любой выход, который возвращает команда. (Полезно для диагностики регулярных выражений.)

'\w*?(\w)(?@disp($1))\1\w*' соответствует словам, которые включают двойные буквы (такие как pp) и отображает промежуточные результаты.

В динамических выражениях для определения терминов замены используйте следующие операторы.

Оператор замены

Описание

$& или $0

Фрагмент входного текста, которая в данный момент соответствует

$`

Фрагмент входного текста, которая предшествует текущему соответствию

$'

Фрагмент текста входа, который следует текущему соответствию (используйте $'' для представления $')

$N

Nth лексема

$<name>

Именованная лексема

${cmd}

Выход возвращен, когда MATLAB выполняет команду, cmd

Для получения дополнительной информации см. раздел Динамические регулярные выражения.

Комментарии

The comment оператор позволяет вставлять комментарии в код, чтобы сделать его более ремонтопригодным. Текст комментария игнорируется MATLAB при сопоставлении с входом текстом.

Персонажи

Описание

Пример

(?#comment)

Вставьте комментарий в регулярное выражение. Текст комментария игнорируется при совпадении с входами.

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

Флаги поиска

Флаги поиска изменяют поведение для совпадающих выражений.

Флаг

Описание

(?-i)

Сопоставьте случай буквы (по умолчанию для regexp и regexprep).

(?i)

Не совпадайте буква случаем (по умолчанию для regexpi).

(?s)

Совпадайте с точкой (.) в шаблоне с любым символом (по умолчанию).

(?-s)

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

(?-m)

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

(?m)

Соответствовать ^ и $ метасимволы в начале и конце линии.

(?-x)

Включите символы и комментарии при совпадении (по умолчанию).

(?x)

Игнорируйте символы и комментарии при совпадении. Использование '\ ' и '\#' чтобы соответствовать пространству и # персонажи.

Выражение, которое изменяет флаг, может появиться либо после круглых скобок, таких как

(?i)\w*

или внутри круглых скобок и отделенных от флага двоеточием (:), такие как

(?i:\w*)

Последний синтаксис позволяет изменять поведение на часть большего выражения.

См. также

| | | |

Похожие темы