speech and language processing-----2.1正则表达式

2.1.1 基础正则表达式

通配符经常和星号一起使用,表示“任何字符串”。
.* 表示任何字符串。

锚点

锚点是将正则表达式锚定在字符串中特定位置的特殊字符,即表示位置
1.插入符^:有三种用途:匹配行首,在方括号内表示否定,以及仅仅表示该符号。
2.美元符号 $:匹配行尾。所以,$($前有一个空格) 就表示匹配行末的空格。
eg: /^The dog\.$/ 匹配只包含 The dog. 的行。(我们必须在这里使用反斜杠,因为我们希望 . 表示“句号”,而不是通配符。)
3.\b匹配一个词的边界, \B 匹配非边界。因此,/\bthe\b/ 匹配的是单词 the,而不是单词 other。

从技术上讲,正则表达式中所说的“词”,是指任何由数字、下划线或字母构成的序列;这种定义是基于编程语言中“词”(译者注:标识符)的定义的。例如,/\b99\b/ 将会匹配到 There are 99 bottles of beer on the wall 中的 99(因为 99 前面是空格),但不会匹配到 There are 299 bottles of beer on the wall(因为 99 前面是数字)。但会匹配到 $99 中的 99(因为 99 前面跟着一个美元符号 $,而不是数字、下划线或字母)。(译者注:99 前面跟着 $,而 $不属于词的构成元素,所以被视为边界 boundary,所以才会匹配到 $99,同样也会匹配到 ^99。所以特别注意,并不是空格才会被视为边界。

2.1.2 逻辑或、组合和优先级

管道符|/cat|dog/ 就可以匹配字符串 cat 或 dog 了
/gupp(y|ies)/将表示 | 只作用于后缀 y 和 ies,即匹配guppy 或guppies。

一个运算符可能优先于另一个运算符,这就要求我们有时要用括号来表达我们的意图,这种做法是通过运算符优先级(operator precedence hierarchy)来实现的。


运算符优先级

因此,由于 counters 比 sequences 具有更高的优先级,所以 /the*/ 会匹配到 theeeee 而不是 thethe。由于 sequences 的优先级高于 disjunction,所以 /the|any/ 会匹配到 the 或者 any,但不会匹配到 thany 或 theny。

2.1.6 替换,捕获组(Capture Groups)和 ELIZA

1.替换
s/regexp1/pattern/,可用另一个字符串替换一个由正则表达式表示的字符串
2.捕获组
/the (.*)er they (.*), the \1er we \2/
会匹配到 the faster they ran, the faster we ran,但不会匹配到 the faster they ran, the faster we ate。同样,第三个捕获组存储在 \3,第四个是 \4,以此类推。

因此,小括号在正则表达式中具有双重功能;它们可用于分组,以指定运算符的执行顺序。它们还可用于捕获内容以放到寄存器中。但有时我们可能想使用括号进行分组,但又不想存储到寄存器中。在这种情况下,我们可以使用一个非捕获组(non-capturing group),把命令 ?: 放在左括号后,形式是 (?: pattern )。
/(?:some|a few) (people|cats) like some \1/
将会匹配到 some cats like some cats,但不会匹配到 some cats like some a few。(\1 指的是 (people|cats))

ELIZA 的工作原理是一系列的正则表达式替换,每一个替换都会匹配并改变输入的某些部分。输入行首先是大写的。输入首先会被替换成大写形式。第一组替换将所有的 MY 改为 YOUR,I'M 改为 YOU ARE,以此类推。

2.1.7 先行断言(Lookahead Assertions)

菜鸟教程:https://www.runoob.com/w3cnote/reg-lookahead-lookbehind.html

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,036评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,046评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,411评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,622评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,661评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,521评论 1 304
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,288评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,200评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,644评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,837评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,953评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,673评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,281评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,889评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,011评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,119评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,901评论 2 355

推荐阅读更多精彩内容