MATLAB，字符串和正则表达式

发布的罗兰美国舒尔，二六年四月五日

28次观看(过去30天)|0喜欢|0评论

我很高兴向大家介绍杰森·布雷斯劳他是我们本周的客座博主，他为我们介绍了MATLAB、字符串和正则表达式。

当您考虑文本处理时，您可能会想到Perl，这也是应该的。Perl是文本处理中事实上的标准，它是为该任务创建的，经过了微调，使其尽可能简单。继续我对您思路的预设，当您想到Perl时，您很可能会想到正则表达式。随后，当您想到正则表达式时，您可能会想，“恶心!”

有些人可能不熟悉正则表达式，它们提供了一种在文本中描述模式的机制，用于匹配或替换。他们通常被认为非常有用，但丑陋，难以理解和使用。Perl是为处理文本而创建的，正则表达式深深植根于它的语言中。它最基本的操作符是match和substitute，这两个操作符都内置了正则表达式。实际上，每个Perl程序都使用正则表达式，正则表达式的思想很可能会导致Perl，反之亦然。

MATLAB的隐藏优势之一是它处理文本处理的能力。MATLAB支万博1manbetx持所有必需的文件I/O函数，并提供了广泛的字符串函数选择，但最重要的是，MATLAB有内置的正则表达式。

文本处理正是MATLAB的强项:矩阵。在Perl中，字符串是一种原子数据类型，这使它们受到语言的特殊照顾。在MATLAB中，字符串是char类型的一维矩阵，MATLAB可以像对待其他矩阵一样对待它们。如果您想在字符串上执行数学运算，这很有用。如果您正在考虑获取文本文件的特征值，这可能听起来很荒谬，但是可以在文本上执行有用的数学运算，例如使用密码学。

例如，你可能见过一个文章网上流传的一种说法是，只要每个单词的首字母和尾字母被保留下来，人们就可以轻松阅读每个单词被打乱的文本。杰米·扎文斯基写了一篇Perl脚本对用户输入执行这种置乱。下面是该脚本的核心代码:

而(< >){foreach(分裂((\ w +) /)){如果(m / \ w /){我@w =分裂(/ /);my $A = shift @w;my $Z = pop @w;打印一个美元;if (defined ($Z)) {my $i = $#w+1;While ($i——){my $j = int rand ($i+1);@w[$i，$j] = @w[$j，$i];} foreach (@w){打印$_;}打印$Z;}} else{打印"$_"; } } }

在MATLAB中，可以很容易地做到这一点，使用动态正则表达式，一个新的特征正则表达式Release 2006a。

当line = input("， 's');行= regexprep(线,(? < = \ w) \ w {2,} (? = \ w)”、“$ {$ 0 (randperm(长度(0美元)))}”);disp(线);结束

注意，正则表达式在替换文本之前计算MATLAB代码。这使得它可以调用MATLAB的randperm函数。

尤其是MATLAB对字符串函万博1manbetx数的支持正则表达式，它更容易使用，因此在文本处理方面比Perl更有效。

MATLAB的优点`正则表达式`

Perl和MATLAB实现正则表达式之间有几个不同之处。这些差异大多是语言上的细微差别，比如默认选项和换行符的语法。与Perl相比，MATLAB中正则表达式的一些优点是命名令牌和大小写保存。

叫牌

我发现，一旦有人开始使用正则表达式，他们发现的一个引人注目的特性是令牌，也称为捕获组。令牌是由正则表达式中的顶级括号子表达式创建的。对象的输出可以使用这些令牌正则表达式函数，作为后面相同模式中的反向引用，以及作为参数修改中的替换文本regexprep．如果您喜欢在正则表达式中使用标记，那么您将喜欢使用命名标记。

命名令牌特性允许您为捕获令牌的括号子表达式指定名称。然后可以通过名称而不是数字来引用标记。这使得表达式更清晰，也更不容易出现错误。这是因为附加两个表达式将改变令牌的索引。例如，编写一个表达式从日期中提取月、日和年，而不使用命名令牌:

> >日期= regexp(“11/26/1977”,“(\ d +) / (\ d +) / (\ d +)”,“令牌”);>>日期{:}ans = '11' '26' '1977'

如果上面的代码在一个函数中，day将被称为日期{2}．将这个例子转换为使用命名令牌:

> >日期= regexp(‘11/26/1977’,‘(? <月> \ d +) /(? <天> \ d +) /(? <年> \ d +) ', '名称')日期=月:“11”:“26”:“1977”

现在的日子可以被称为date.day．如果该模式还需要匹配欧洲格式的日期呢dd.mm.yyyy？第一个模式可以写成:

> >日期= regexp(“11/26/1977”,“(\ d +) / (\ d +) / (\ d +) | (\ d +)。(\ d +)。(\ d +)”,“令牌”);> >日期{:}ans =‘11’‘26’‘1977年> >日期= regexp(“26.11.1977”,“(\ d +) / (\ d +) / (\ d +) | (\ d +)。(\ d +)。(\ d +)”,“令牌”);>>日期{:}ans = '26' '11' '1977'

但是，看看符号的顺序是如何不可区分的。同样的例子可以使用命名令牌来修复:

>> date = regexp('11/26/1977'，…(? <月> \ d +) /(? <天> \ d +) /(? <年> \ d +) |(? <天> \ d +)。(? <月> \ d +)。(? <年> \ d +),…日期=月:'11'日:'26'年:'1977' >>日期= regexp('26.11.1977'，…(? <月> \ d +) /(? <天> \ d +) /(? <年> \ d +) |(? <天> \ d +)。(? <月> \ d +)。(? <年> \ d +),…日期=月:'11'日:'26'年:'1977'

如您所见，命名令牌明确了表达式、结果和周围的代码。

情况下保存

大小写不敏感是模式匹配的一个基本方面，MATLAB强调它是一个单独的内置函数，regexpi．许多程序在搜索和替换函数中使用此选项。不幸的是，尽管这些实例不区分大小写，但它们不能正确地满足动态替换的需求。例如，在句首大写的单词在替换后应该保持大写。MATLAB认识到这一需求。除了提供忽略大小写和匹配大小写的选项外，MATLAB还提供了保留大小写的选项。为了支万博1manbetx持这一点，regexprep有以下选项来处理情况:matchcase，ignorecase而且preservecase．以下例子显示了不同之处:

> > regexprep(汽车,汽车,汽车,汽车,汽车”,“车”、“船”,“matchcase”)ans =汽车,汽车,汽车,汽车,船> > regexprep(的汽车,汽车,汽车,汽车,汽车”,“车”、“船”,“ignorecase”)ans =一艘船,一艘船,一艘船,一艘船,一艘船> > regexprep(的汽车,汽车,汽车,汽车,汽车”,“车”、“船”,“preservecase”)ans =一艘船,一艘船,一艘船,一艘船,一艘船

注意preservecaseOption执行您最可能希望它执行的操作。