Регулярные выражения

Эта тема описывает то, что регулярные выражения и как использовать их для искомого текста. Регулярные выражения гибки и мощны, хотя они используют комплексный синтаксис. Альтернативой регулярным выражениям является pattern (начиная с R2020b), который более прост задать и результаты в коде, который легче считать. Для получения дополнительной информации смотрите Выражения Шаблона Сборки.

Что такое регулярное выражение?

Регулярное выражение является последовательностью символов, которая задает определенный шаблон. Вы обычно используете регулярное выражение для искомого текста для группы слов, которая совпадает с шаблоном, например, при парсинге входных данных программы или при обработке блока текста.

Вектор символов 'Joh?n\w*' пример регулярного выражения. Это задает шаблон, который начинает с букв Jo, опционально сопровождается буквой h (обозначенный 'h?'), затем сопровождается буквой n, и концы с любым количеством word characters, то есть, символы, которые являются алфавитными, числовыми, или подчеркивание (обозначенный '\w*'). Этот шаблон совпадает с любым следующим:

Jon, John, Jonathan, Johnny

Регулярные выражения обеспечивают уникальный способ искать объем текста для конкретного подмножества символов в рамках того текста. Вместо того, чтобы искать точное символьное соответствие, как вы сделали бы с функцией как strfind, регулярные выражения дают вам способность искать конкретный шаблон символов.

Например, несколько способов описать метрический уровень скорости:

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

Вы могли определить местоположение любого из вышеупомянутых терминов в вашем тексте путем выдачи пяти отдельных поисковых команд:

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

Чтобы быть более эффективными, однако, можно создать одну фразу, которая применяется ко всем этим критериям поиска:

Переведите эту фразу в регулярное выражение (чтобы быть объясненным позже в этом разделе), и вы имеете:

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

Теперь найдите один или несколько терминов, использующих только 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, которые поддерживают поиск и заменяющий символы с помощью регулярных выражений. Первые три подобны во входных значениях, которые они принимают и выходные значения, которые они возвращают. Для получения дополнительной информации щелкните по ссылкам к страницам ссылки на функцию.

ФункцияОписание
regexp

Совпадайте с регулярным выражением.

regexpi

Совпадайте с регулярным выражением, игнорируя регистр.

regexprep

Замените часть текста с помощью регулярного выражения.

regexptranslate

Переведите текст в регулярное выражение.

При вызывании 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, которое задает шаблон для замены.

Шаги для создания выражений

Существует три шага, вовлеченные в использование регулярных выражений к искомому тексту для конкретного термина:

  1. Идентифицируйте уникальные шаблоны в строке

    Это влечет за собой разбивание текста, который вы хотите искать в группы подобных типов символов. Эти типы символов могли быть серией строчных букв, знак доллара, сопровождаемый тремя числами и затем десятичной точкой, и т.д.

  2. Опишите каждый шаблон как регулярное выражение

    Используйте metacharacters и операторы, описанные в этой документации, чтобы описать каждый сегмент вашего поискового шаблона как регулярное выражение. Затем объедините эти сегменты выражения в отдельное выражение, чтобы использовать в поиске.

  3. Вызовите соответствующую поисковую функцию

    Передайте текст, который вы хотите проанализировать к одной из поисковых функций, такой как regexp или regexpi, или к текстовой заменяющей функции, regexprep.

Пример, показанный в этом разделе, ищет записи, содержащее 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 определенную 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'};

Первая часть примера создает регулярное выражение, которое представляет формат стандартного адреса электронной почты. Используя то выражение, пример затем ищет информацию адрес электронной почты одной из группы друзей. Контактная информация для Дженис находится в строке 2 contacts cellArray:

contacts{2}
ans =

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

Шаг 1 - идентифицирует уникальные шаблоны в тексте

Типичный адрес электронной почты составлен из стандартных компонентов: имя учетной записи пользователя, сопровождаемое знак, имя поставщика интернет-услуг (ISP) пользователя, точка (период) и область, которой принадлежит ISP. Таблица ниже приводит эти компоненты в левом столбце и обобщает 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 символов нижнего подчеркивания
Добавление'
 jan_stephens@  . . .
@ знак
Добавьте ISP
 jan_stephens@horizon  . . .
Одна или несколько строчных букв, никакие символы нижнего подчеркивания
Добавьте точку (период)
 jan_stephens@horizon.  . . .
Точка (период) символ
Закончите с областью
 jan_stephens@horizon.net
com или net

Шаг 2 - экспресс каждый шаблон как регулярное выражение

На этом шаге вы переводите общие форматы, выведенные на Шаге 1 в сегменты регулярного выражения. Вы затем добавляете эти сегменты вместе, чтобы сформировать целое выражение.

Приведенная ниже таблица показывает обобщенные описания формата каждого символьного шаблона в крайнем левом столбце. (Это было продвинуто от правого столбца таблицы на Шаге 1.) Второй столбец показывает операторы или метасимволы, которые представляют символьный шаблон.

Описание каждого сегментаШаблон
Одна или несколько строчных букв и символов нижнего подчеркивания[a-z_]+
@ знак@
Одна или несколько строчных букв, никакие символы нижнего подчеркивания[a-z]+
Точка (период) символ\.
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 - вызывает соответствующую поисковую функцию

На этом шаге вы используете регулярное выражение, выведенное на Шаге 2, чтобы совпадать с адресом электронной почты для одного из друзей в группе. Используйте regexp функция, чтобы выполнить поиск.

Вот список контактной информации, показанной ранее в этом разделе. Запись каждого человека занимает строку contacts cellArray:

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, как выведено на Шаге 2:

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

Вызовите regexp функция, передающая строка 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, “используя” вектор, когда это идет. Если соответствующие символы найдены, regexp записывает местоположение и продолжает анализировать вектор символов, начиная сразу после конца нового соответствия.

Выполните 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'}

Можно также искать адрес электронной почты всех в списке при помощи целого массива ячеек для входного параметра:

regexp(contacts, email, 'match');

Операторы и символы

Регулярные выражения могут содержать символы, метасимволы, операторы, лексемы и флаги, которые задают шаблоны, чтобы соответствовать, как описано в этих разделах:

Метасимволы

Метасимволы представляют буквы, обозначают буквами области значений, цифры и пробелы. Используйте их, чтобы создать обобщенный шаблон символов.

Метасимвол

Описание

Пример

.

Любой отдельный символ, включая пробел

'..ain' последовательности соответствий пяти последовательных символов тот конец с 'ain'.

[c1c2c3]

Любой символ содержится в квадратных скобках. Следующие символы обработаны буквально: $ | . * + ? и - если не используемый, чтобы указать на область значений.

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

[^c1c2c3]

Любой символ, не содержавший в квадратных скобках. Следующие символы обработаны буквально: $ | . * + ? и - если не используемый, чтобы указать на область значений.

'[^*rp]ain' соответствия все последовательности с четырьмя буквами тот конец в 'ain', кроме 'rain' и 'pain' и '*ain'. Например, это совпадает с 'gain', 'lain', или 'vain'.

[c1-c2]

Любой символ в области значений c1 через c2

'[A-G]' совпадает с отдельным символом в области значений A через G.

\w

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

'\w*' идентифицирует слово, состоявшее из любой группировки алфавитных, числовых, или символов подчеркивания.

\W

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

'\W*' идентифицирует термин, который не является словом, состоявшим ни из какой группировки алфавитных, числовых, или символов подчеркивания.

\s

Любой пробельный символ; эквивалентный [ \f\n\r\t\v]

'\w*n\s' распознает слова, которые заканчивают буквой n, сопровождаемый пробельным символом.

\S

Любой непробельный символ; эквивалентный [^ \f\n\r\t\v]

'\d\S' совпадает с числовой цифрой, сопровождаемой любым непробельным символом.

\d

Любая числовая цифра; эквивалентный [0-9]

'\d*' соответствия любое количество последовательных цифр.

\D

Любой символ нецифры; эквивалентный [^0-9]

'\w*\D\>' распознает слова, которые не заканчиваются числовой цифрой.

\oN или \o{N}

Символ восьмеричного значения N

'\o{40}' совпадает с пробелом, заданным восьмеричным 40.

\xN или \x{N}

Символ шестнадцатеричного значения N

'\x2C' совпадает с символом запятой, заданным шестнадцатеричным 2C.

Символьное представление

Оператор

Описание

\a

Предупреждение (звуковой сигнал)

\b

Клавиша Backspace

\f

Перевод формата

\n

Новая строка

\r

Возврат каретки

\t

Горизонтальная табуляция

\v

Вертикальная табуляция

'char'

Любой символ с особым значением в регулярных выражениях, с которыми вы хотите совпадать буквально (например, используйте \\ совпадать с одной обратной косой чертой)

Кванторы

Кванторы задают число раз, шаблон должен произойти в совпавшем тексте.

Квантор

Выражение числа раз происходит

Пример

expr*

0 или больше раз последовательно.

'\w*' распознает слово любой длины.

expr?

0 раз или в 1 раз.

'\w*(\.m)?' распознает слова, которые опционально заканчиваются дополнительным .m.

expr+

1 или более раз последовательно.

'<img src="\w+\.gif">' совпадает с <img> HTML-тэг, когда имя файла содержит один или несколько символов.

expr{m,n}

По крайней мере, m времена, но не больше, чем n времена последовательно.

{0,1} эквивалентно ?.

'\S{4,8}' соответствия между четырьмя и восемью непробельными символами.

expr{m,}

По крайней мере, m времена последовательно.

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

'<a href="\w{1,}\.html">' совпадает с <a> HTML-тэг, когда имя файла содержит один или несколько символов.

expr{n}

Точно n времена последовательно.

Эквивалентный {n,n}.

'\d{4}' соответствия четыре последовательных цифры.

Кванторы могут появиться в трех режимах, описанных в следующей таблице. q представляет любой из кванторов в предыдущей таблице.

Режим

Описание

Пример

exprq

Жадное выражение: совпадайте с как можно большим количеством символов.

Учитывая текст '<tr><td><p>text</p></td>', выражение '</?t.*>' соответствия все символы между <tr и /td>:

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

exprq?

Ленивое выражение: совпадайте с таким же небольшим количеством символов по мере необходимости.

Учитывая text'<tr><td><p>text</p></td>', выражение '</?t.*?>' заканчивает каждый матч при первом вхождении закрывающей угловой скобки (>):

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

exprq +

Притяжательное выражение: соответствуйте как можно больше, но не повторно сканируйте фрагменты текста.

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

Группировка операторов

Группирующиеся операторы позволяют вам получать лексемы, применять один оператор к нескольким элементам или отключать отслеживание в обратном порядке в определенной группе.

Группировка оператора

Описание

Пример

(expr)

Элементы группы выражения и лексем получения.

'Joh?n\s(\w*)' получает лексему, которая содержит фамилию любого человека с именем John или Jon.

(?:expr)

Группа, но не получают лексемы.

'(?:[aeiou][^aeiou]){2}' соответствия два последовательных шаблона гласного, сопровождаемого негласным, такие как 'anon'.

Без группировки, '[aeiou][^aeiou]{2}'совпадает с гласным, сопровождаемым двумя негласными.

(?>expr)

Сгруппируйтесь атомарно. Не отслеживайте в обратном порядке в группе, чтобы завершить соответствие и не получить лексемы.

'A(?>.*)Z' не совпадает с 'AtoZ', несмотря на то, что 'A(?:.*)Z' делает. Используя атомарную группу, Z получен с помощью .* и не повторно сканируется.

(expr1|expr2)

Совпадайте с выражением expr1 или выражение expr2.

Если существует соответствие с expr1, затем expr2 проигнорирован.

Можно включать ?: или ?> после вводной круглой скобки, чтобы подавить лексемы или группу атомарно.

'(let|tel)\w+' распознает слова, которые содержат, но не заканчиваются с let или tel.

Привязки

Привязки в выражении совпадают с началом или концом вектора символов или слова.

Привязка

Соответствует...

Пример

^expr

Начало входного текста.

'^M\w*' распознает слово начиная с M в начале текста.

expr$

Конец входного текста.

'\w*m$' слова соответствий, заканчивающиеся m в конце текста.

\<expr

Начало слова.

'\<n\w*' распознает любые слова начиная с n.

expr\>

Конец слова.

'\w*e\>' соответствия любые слова, заканчивающиеся e.

Утверждения Lookaround

Утверждения Lookaround ищут шаблоны, которые сразу предшествуют или следуют за намеченным соответствием, но не являются частью соответствия.

Указатель остается в текущем местоположении и символах, которые соответствуют test выражение не получено или отброшено. Поэтому предварительные утверждения могут совпадать с перекрывающимися группами символов.

Утверждение Lookaround

Описание

Пример

expr(?=test)

Предусмотрите для символов то соответствие test.

'\w*(?=ing)' термины соответствий, которые сопровождаются ing, такой как 'Fly' и 'fall' во входном тексте 'Flying, not falling.'

expr(?!test)

Смотрите вперед для символов, которые не совпадают с test.

'i(?!ng)' экземпляры соответствий буквы i это не сопровождается ng.

(?<=test)expr

Оглянитесь для символов то соответствие test.

'(?<=re)\w*' термины соответствий, которые следуют за 're', такой как 'new'Использование, и 'cycle' во входном тексте 'renew, reuse, recycle'

(?<!test)expr

Оглянитесь для символов, которые не совпадают с test.

'(?<!\d)(\d)(?!\d)' совпадает с одноразрядными числами (цифры, которые не предшествуют или следуют за другими цифрами).

Если вы задаете предварительное утверждение, прежде чем выражение, операция будет эквивалентна логическому AND.

Операция

Описание

Пример

(?=test)expr

Совпадайте с обоими test и expr.

'(?=[a-z])[^aeiou]' согласные соответствий.

(?!test)expr

Совпадайте с expr и не совпадайте с test.

'(?![aeiou])[a-z]' согласные соответствий.

Для получения дополнительной информации смотрите Предварительные Утверждения в Регулярных выражениях.

Логические и условные операторы

Логические и условные операторы позволяют вам тестировать состояние данного условия, и затем использовать результат, чтобы определить который шаблон, если таковые имеются, соответствовать затем. Эти операторы поддерживают логический OR и if или if/else условия. (Для AND условия, см. Утверждения Lookaround.)

Условиями могут быть лексемы, lookaround утверждения или динамические выражения формы (?@cmd). Динамические выражения должны возвратить логическое или числовое значение.

Условный оператор

Описание

Пример

expr1|expr2

Совпадайте с выражением expr1 или выражение expr2.

Если существует соответствие с expr1, затем expr2 проигнорирован.

'(let|tel)\w+' распознает слова, которые запускаются с let или tel.

(?(cond)expr)

Если условие cond true, затем совпадайте с expr.

'(?(?@ispc)[A-Z]:\\)' совпадает с именем дисковода, таким как C:\, когда работается Windows® система.

(?(cond)expr1|expr2)

Если условие cond true, затем совпадайте с expr1. В противном случае совпадайте с expr2.

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

Маркерные операторы

Лексемы являются фрагментами совпадающего текста, который вы задаете путем включения части регулярного выражения в круглых скобках. Можно обратиться к лексеме ее последовательностью в тексте (порядковая лексема) или присвоить имена к лексемам для более легкого обслуживания кода и читаемого выхода.

Порядковый маркерный оператор

Описание

Пример

(expr)

Получите в лексеме символы, которые совпадают с заключенным в нихом выражение.

'Joh?n\s(\w*)' получает лексему, которая содержит фамилию любого человека с именем John или Jon.

\N

Совпадайте с Nлексема th.

'<(\w+).*>.*</\1>' лексемы получений для HTML-тэгов, таких как 'title' из текста '<title>Some text</title>'.

(?(N)expr1|expr2)

Если Nлексема th найдена, затем совпадайте с expr1. В противном случае совпадайте с expr2.

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

Названный маркерный оператор

Описание

Пример

(?<name>expr)

Получите в именованной лексеме символы, которые совпадают с заключенным в нихом выражение.

'(?<month>\d+)-(?<day>\d+)-(?<yr>\d+)' создает названные лексемы в течение месяца, дня и года на входной дате формы mm-dd-yy.

\k<name>

Совпадайте с лексемой, упомянутой name.

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

(?(name)expr1|expr2)

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

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

Примечание

Если выражение вложило круглые скобки, MATLAB получает лексемы, которые соответствуют наиболее удаленному набору круглых скобок. Например, учитывая поисковый шаблон '(and(y|rew))', MATLAB создает лексему для 'andrew' но не для 'y' или 'rew'.

Для получения дополнительной информации смотрите Лексемы в Регулярных выражениях.

Динамические выражения

Динамические выражения позволяют вам выполнять команду MATLAB или регулярное выражение, чтобы определить текст, чтобы соответствовать.

Круглые скобки, которые заключают динамические выражения, не создают группу фиксации.

Оператор

Описание

Пример

(??expr)

Проанализируйте expr и включайте получившийся термин в выражение соответствия.

Когда проанализировано, expr должен соответствовать полному, действительному регулярному выражению. Динамические выражения, которые используют символ ESC обратной косой черты (\) потребуйте двух обратных косых черт: один для начального парсинга expr, и один для полного соответствия.

'^(\d+)((??\\w{$1}))' определяет сколько символов, чтобы соответствовать путем чтения цифры в начале соответствия. Динамическое выражение заключено во второй набор круглых скобок так, чтобы получившееся соответствие было получено в лексеме. Например, соответствие с '5XXXXX' лексемы получений для '5' и 'XXXXX'.

(??@cmd)

Выполните команду MATLAB, представленную cmd, и включайте выходной параметр, возвращенный командой в выражении соответствия.

'(.{2,}).?(??@fliplr($1))' находит палиндромы, которые являются по крайней мере четырьмя символами долго, такими как 'abba'.

(?@cmd)

Выполните команду MATLAB, представленную cmd, но отбросьте любой выходной параметр, который возвращает команда. (Полезный для диагностирования регулярных выражений.)

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

В рамках динамических выражений используйте следующие операторы, чтобы задать заменяющие термины.

Заменяющий оператор

Описание

$& или $0

Фрагмент входного текста, который является в настоящее время соответствием

$`

Фрагмент входного текста, который предшествует текущему соответствию

$'

Фрагмент входного текста, который следует за текущим соответствием (используют $'' представлять $')

$N

Nлексема th

$<name>

Названная лексема

${cmd}

Выведите возвратился, когда MATLAB выполняет команду, cmd

Для получения дополнительной информации смотрите Динамические Регулярные выражения.

Комментарии

comment оператор позволяет вам вставить комментарии в свой код, чтобы сделать его более удобным в сопровождении. Текст комментария проигнорирован MATLAB при соответствии против входного текста.

'characters'

Описание

Пример

(?#comment)

Вставьте комментарий в регулярное выражение. Текст комментария проигнорирован при соответствии с входом.

'(?# Initial digit)\<\d\w+' включает комментарий и распознает слова, которые начинаются с номера.

Поисковые флаги

Поисковые флаги изменяют поведение для соответствия с выражениями.

Флаг

Описание

(?-i)

Совпадайте с регистром (значение по умолчанию для regexp и regexprep).

(?i)

Не совпадайте с регистром (значение по умолчанию для regexpi).

(?s)

Точка соответствия (.) в шаблоне с любым символом (значение по умолчанию).

(?-s)

Точка соответствия в шаблоне с любым символом, который не является символом новой строки.

(?-m)

Совпадайте с ^ и $ метасимволы вначале и конец текста (значение по умолчанию).

(?m)

Совпадайте с ^ и $ метасимволы вначале и конец линии.

(?-x)

Включайте пробелы и комментарии при соответствии (значение по умолчанию).

(?x)

Проигнорируйте пробелы и комментарии при соответствии. Использование и '\#' совпадать с пробелом и # 'characters'.

Выражение, которое изменяет флаг, может появиться любой после круглых скобок, такой как

(?i)\w*

или в круглых скобках и разделенный от флага с двоеточием (:), такой как

(?i:\w*)

Последний синтаксис позволяет вам изменять поведение для части большего выражения.

Смотрите также

| | | |

Похожие темы