正则表达式中使用的括号不仅将该表达式的元素组合在一起,而且还将为该组找到的任何匹配指定为令牌.您可以使用标记来匹配同一文本的其他部分。使用令牌的一个优点是它们能记住它们匹配的内容,因此您可以在搜索或替换过程中回忆和重用匹配的文本。
表达式中的每个标记都被分配了一个数字,从1开始,从左到右。要在表达式的后面引用一个令牌,请使用反斜杠后跟令牌编号来引用它。例如,当引用表达式中第三组括号生成的令牌时,使用\ 3
.
举个简单的例子,如果希望在字符数组中搜索相同的连续字母,可以捕获第一个字母作为标记,然后立即搜索匹配的字符。在下面的表达式中,(\ S)
Phrase在任何时候创建一个令牌正则表达式
匹配字符数组中的任何非空格字符。这个表达的第二部分,“\ 1”
,在第一个字符的后面查找第二个相同字符的实例。
坡= [“当我点头,几乎是打盹的时候,”...突然传来敲门声,];(垫、托托,ext) = regexp(坡,“(\ S) \ 1”,“匹配”,...“令牌”,“tokenExtents”);垫
Mat = 1×4 cell array {'dd'} {'pp'} {'dd'} {'pp'}
细胞数组托托
包含单元格数组,每个单元格数组包含一个令牌。
托托{:}
Ans = 1×1 cell array {'d'} Ans = 1×1 cell array {'p'} Ans = 1×1 cell array {'d'} Ans = 1×1 cell array {'p'}
细胞数组ext
包含数字数组,每个数组包含令牌的起始和结束索引。
ext {:}
Ans = 11 11 Ans = 26 26 Ans = 35 35 Ans = 57 57
另一个示例,捕获匹配的HTML标记对(例如,<一>
和< / >
)和他们之间的文本。这个例子中使用的表达式是
expr =' < (\ w +)。* ? >。* ?< 1 > / \ ';
表达式的第一部分,' < (\ w +) '
,匹配左尖括号(<
),后跟一个或多个字母、数字或下划线字符。括起来的圆括号捕获在开始尖括号之后的标记字符。
这个表达的第二部分,”。* ? >。* ?”
,匹配该HTML标记的其余部分(直到>
),以及可能在下一个左尖括号之前的任何字符。
最后一部分,' < 1 > / \ '
,匹配结束HTML标记中的所有字符。这个标签由序列组成< / >标记
,在那里标签
是作为标记捕获的任何字符。
hstr =“< !评论> <名称= " 752507 " > < / > < b >默认< / b > < br > ';expr =' < (\ w +)。* ? >。* ?< 1 > / \ ';[mat,tok] = regexp(hstr, expr,)“匹配”,“令牌”);垫{:}
ans = ' <名称= " 752507 " > < / > ' ans = < b > < / b >违约的
托托{:}
Ans = 1×1 cell array {'a'} Ans = 1×1 cell array {'b'}
下面是一个如何给令牌赋值的示例。假设您要搜索以下文本:
安迪泰德鲍勃吉姆安德鲁安迪泰德马克
您可以选择使用以下搜索模式搜索上述文本:
和(y |奖赏)| (t) e (d)
这个模式有三个生成标记的括号表达式。当您最终执行搜索时,将为每个匹配生成以下令牌。
匹配 |
令牌1 |
令牌2 |
---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
只使用最高层的括号。例如,如果搜索模式和(y |报酬)
发现的文本安德鲁
,令牌1被赋值报答
.但是,如果搜索模式(和(y |报酬)
使用时,令牌1被赋值安德鲁
.
对于正则表达式中指定的在正在计算的文本中没有匹配的标记,正则表达式
和regexpi
返回空字符向量(”
)作为令牌输出,以及一个区段,该区段标记了期望令牌在字符串中的位置。
执行这里所示的示例正则表达式
指定从MATLAB返回的路径的字符向量®tempdir
函数。正则表达式expr
包括6个令牌说明符,每段路径对应一个令牌说明符。第三个说明符[a - z] +
在字符向量中没有匹配,因为这部分路径,配置文件
,以大写字母开头:
装备= tempdir
装备= ' C: \ WINNT \ Profiles \ bpascal \当地人~ 1 \ Temp \ '
expr = [”([a - z]:) \ \ (WINNT) \ \ [a - z] +) ?。* \ \ '...”([a - z] +) \ \ [a - z] + ~ \ d) \ \(临时)\ \ '];[tok, ext] = regexp(chr, expr,“令牌”,“tokenExtents”);
当在文本中找不到标记时,正则表达式
返回空字符向量(”
)作为标记和具有标记区段的数字数组。区段的第一个数字是标记标记的字符串索引,区段的第二个数字比第一个数字小1。
在本例中,空令牌是表达式中指定的第三个令牌,因此返回的第三个令牌为空:
托托{:}
ans = 1×6单元阵列{' C:}{的WINNT}{0×0字符}{‘bpascal}{'当地人~ 1 '}{“临时”}
在变量中返回的第三个令牌范围ext
初始索引设置为10,这是非匹配项,配置文件
,始于道路。结束区段索引设置为比开始区段索引小1,即9:
ext {:}
Ans = 1 2 4 8 10 9 19 25 27 34 36 39
在替换文本中使用令牌时,使用$1
,$2
等而不是\ 1
,\ 2
等。本示例捕获两个令牌并颠倒它们的顺序。第一,$1
,是“诺玛珍”
第二,$2
,是“贝克”
.请注意,regexprep
返回修改后的文本,而不是初始索引向量。
regexprep (诺玛珍贝克的,”(\ w + \ s \ w +) \年代(\ w +),2美元,1美元)
ans = 'Baker, Norma Jean'
如果您在表达式中使用了很多令牌,那么为它们分配名称可能会有帮助,而不必跟踪哪个令牌编号分配给哪个令牌。
在表达式中引用命名标记时,请使用语法\ k <名称>
而不是数字\ 1
,\ 2
等。
坡= [“当我点头,几乎是打盹的时候,”...突然传来敲门声,];正则表达式(坡,‘(? < anychar >)。\ k < anychar >”,“匹配”)
Ans = 1×4 cell array {'dd'} {'pp'} {'dd'} {'pp'}
命名标记在标记MATLAB正则表达式函数的输出时也很有用。在处理许多文本时尤其如此。
例如,从几个字符向量中解析街道地址的不同部分。为表达式中的每个标记分配一个简短的名称:
chr1 ='134 Main Street, Boulder, CO, 14923';chr2 ='26 Walnut Road, Topeka, KA, 25384';chr3 ='847 Industrial Drive, Elizabeth, NJ, 73548';p1 =药物不良反应”(? < > \ d + \ \ s + \年代(| | |街大道道路))”;p2 =‘(? <城市> [a - z] [a - z] +)”;p3 =‘(? <国家> [a - z]{2})”;p4 =‘(? < zip > \ d{5})”;expr = [p1”、“p2”、“p3”、“p4);
如以下结果所示,您可以通过使用命名令牌使输出更容易使用:
Loc1 = regexp(cr1, expr,)“名字”)
loc1 = struct with fields: adrs: '134 Main Street' city: 'Boulder' state: 'CO' zip: '14923'
Loc2 = regexp(cr2, expr,)“名字”)
loc2 = struct with fields: adrs: '26 Walnut Road' city: 'Topeka' state: 'KA' zip: '25384'
Loc3 = regexp(cr3, expr,)“名字”)
loc3 = struct with fields: adrs: '847 Industrial Drive' city: 'Elizabeth' state: 'NJ' zip: '73548'