MATLAB程式設計進階篇通用運算式

1、.,1,MATLAB 程式設計：進階篇通用運算式,.,2,基本介紹：UNIX淵源,早期的電腦作業(yè)系統(tǒng)（例如 UNIX 系統(tǒng)）都是以文字為介面，因此對於文字的處理與運算也就有一套特別精心規(guī)劃的方式，其中最為人所津津樂道的產(chǎn)出，就是通用運算式（Regular Expressions）的制訂和其廣泛的應用。 通用運算式最早出現(xiàn)在 UNIX 的文字編輯程式，例如 ed、vi 、emacs ，也常被用在以 UNIX 為基礎的程式語言，例如 Perl 等。近年來在 Web 上使用的 JavaScript 以及 VBScript 也加入了通用運算式的功能。,.,3,基本介紹：通用性,如果照字面來翻譯，Reg

2、ular Expressions 應該是翻成正規(guī)運算式，但我們採取的中文名稱是通用運算式或簡稱通用式，強調(diào)此方法能由簡單的符號來代表複雜的字串的特性 在本章所學習到的通用運算式，幾乎可以原封不動地搬到其他程式語言來使用，例如 JavaScript、C 、 Python、Perl、VBScript 等等。 MATLAB 6.x 的通用運算式並不支援中文，但在7.x 已經(jīng)可以完全支援中文了！,.,4,基本介紹：終極目標,你已經(jīng)在用通用式的概念了！看看你常用到的萬用符號（Wildcards characters）： dir *.txt dir data?.txt 終極目標 用簡單的符號來代表複雜的字

3、串，以便進行特定字串的比對、抽取及代換,.,5,基本用法：尋找字串開始位置,使用 regexp 指令比對字串，可找出某一個特定型態(tài)的字串在另一個字串的出現(xiàn)位置。 例如，如果要找出love在一個字串Love me tender, love me sweet, never let me go出現(xiàn)的位置，可用下列程式碼： 範例4-1： regExp01.m 回傳結(jié)果為：startIndex = 17 代表love在 string 變數(shù)所出現(xiàn)的位置是 17。,string = Love me tender, love me sweet, never let me go; pattern = love;

4、 startIndex = regexp(string, pattern),.,6,基本用法：大小寫均可,若要進行大小寫均可（Ignore Cases）的比對，則可以使用 regexpi 指令 ： 範例4-2： regExp02.m 回傳結(jié)果為：startIndex = 1 17 代表Love和love在 string 變數(shù)所出現(xiàn)的位置分別是 1 和 17。,string = Love me tender, love me sweet, never let me go; pattern = love; startIndex = regexpi(string, pattern),.,7,基本用法

5、：字串開始和結(jié)束位置,若要找出字串出現(xiàn)的開始和結(jié)束位置，可以在使用 regexp 時，多加一個輸出變數(shù)： 範例4-3： regExp03.m 回傳結(jié)果為： start =6 22 42 finish =7 23 43 其中 start 和 finish 代表所比對到的三個me的開始和結(jié)束位置。,string = Love me tender, love me sweet, never let me go; pattern = me; start, finish = regexp(string, pattern),.,8,方括?。毫信e欲比對字元,我們可以使用方括?。ǎ﹣砹信e所要比對的字元，可見下

6、列範例： 範例4-4： regExp10.m,string = I bet there is a bat on the boat; pattern = baeiout; start, finish = regexp(string, pattern); fprintf(Matched substrings:n); for i=1:length(start)% 列印出比對結(jié)果 fprintf(t%d: %sn, i, string(start(i):finish(i); end,回傳結(jié)果為：Matched substrings: 1: bet 2: bat,.,9,方括?。菏褂霉爣?若是連續(xù)字

7、母或數(shù)字，就可以使用範圍符號-來簡化方括弧中的列舉字元。例如， 數(shù)字 0 到 9，可以寫成 0123456789，或是簡化寫成 0-9。 26 個小寫英文字母可以簡化寫成 a-z 。 26 個大寫英文字母可以簡化寫成 A-Z。 英文字母：a-zA-Z 數(shù)字或英文字母：0-9a-zA-Z,.,10,方括?。簲?shù)字範圍,例如若要比對西元年份，可見下列範例： 範例4-5： regExp11.m,string = My brother and me were born in 1965 and 1962, respectively.; pattern = 0-90-90-90-9; start, fini

8、sh = regexp(string, pattern); fprintf(Matched substrings:n); for i=1:length(start) % 列印出比對結(jié)果 fprintf(t%d: %sn, i, string(start(i):finish(i); end,回傳結(jié)果為：Matched substrings: 1: 1965 2: 1962,.,11,向量化的輸入和輸出,事實上，regexp 指令也可以接收向量化的輸入，並產(chǎn)生向量化的輸出，例如： 範例4-6： regExp07.m,string = Barcelona, Y2K, MATLAB 7.3; patt

9、ern = lona, 0-9, A-Z; start, finish = regexp(string, pattern),start = 6 2 1x6 double finish = 9 2 1x6 double 其中 start 和 finish 都是 1x3 的異值陣列，而且 starti 和 finishi 就是 regexp(stringi, patterni) 所得到的結(jié)果。,.,12,方括?。汗犂斜?有關方括弧的使用，列表整理如下：,像不像表情符號？,.,13,特定字元：列表,有些通用式會常被用到，因此已被定義為特定字元，以簡化整體通用式，這些字元列表說明如下：,若是針對中文

10、，可以加上全型空白。,.,14,特定字元：比對數(shù)字,我們可以用d來比對由 0 到 9 的數(shù)字，並用D來比對非數(shù)字。假設我們要找出兩個非數(shù)字夾一個數(shù)字的子字串，可使用DdD。 範例4-7： regExp04.m,string = Some terms: RU486, Y2K, 900GHz, B2B, B2C; pattern = DdD; start, finish = regexp(string, pattern); fprintf(Matched substrings:n); for i=1:length(start) fprintf(t%d: %sn, i, string(start(i

11、):finish(i); end,回傳結(jié)果為： Matched substrings: 1: Y2K 2: B2B 3: B2C,.,15,特定字元：句點的使用,我們也可以抓出來兩個 t 中間夾 4 個任意字元的子字串，請見下例範例： 範例4-8： regExp13.m,string = I like the tidbit given by timit; pattern = t.t; start, finish = regexp(string, pattern); fprintf(Matched substrings:n); for i=1:length(start) fprintf(t%d:

12、 %sn, i, string(start(i):finish(i); end,回傳結(jié)果為： Matched substrings: 1: tidbit 2: timit,.,16,定位符號：句首和句尾,在通用式裡，最常用的定位符號就是 和 $，其中 代表一個字串的開始位置，因此 xy 代表以 xy 開始的字串；而 $ 代表一個字串的結(jié)束位置，因此 xy$ 代表以 xy 結(jié)束的字串。 範例4-9： regExp14.m,str1 = Chapter 5 is my favorite; str2 = I like Chapter 2; pat = Chapter; fprintf(regexp(

13、%s, %s) = %dn, str1, pat, regexp(str1, pat); fprintf(regexp(%s, %s) = %dn, str2, pat, regexp(str2, pat);,回傳結(jié)果為： regexp(Chapter 1 is my favorite, Chapter) = 1 regexp(I like Chapter 1, Chapter) =,.,17,定位符號：列表,以下是對於定位符號的列表與整理：,.,18,字串的重複：範例列表,我們也可定義字元的重複次數(shù)，整理如下：,.,19,字串的重複：基本範例,使用上表與字元重複次數(shù)相關的特殊符號，我們可以從

14、字串I like Chapter 2, Chapter 10, and Chapter 25 of this book!抓出Chapter 2、Chapter 10，以及Chapter 25 範例4-10： regExp08.m,string = I like Chapter 2, Chapter 10, and Chapter 25 of this book!; pattern = Chapter 1-90-9?; start, finish = regexp(string, pattern); fprintf(Matched substrings:n); for i=1:length(st

15、art) fprintf(t%d: %sn, i, string(start(i):finish(i); end,回傳結(jié)果為：Matched substrings: 1: Chapter 2 2: Chapter 10 3: Chapter 25,.,20,字串的重複：信用卡號碼,若要抓出信用卡號碼，可見下列範例： 範例4-11： regExp12.m,string = My credit number is 1234-5678-9012-3456.; pattern = d4-d4-d4-d4; start, finish = regexp(string, pattern); fprintf

16、(Matched substrings:n); for i=1:length(start) fprintf(t%d: %sn, i, string(start(i):finish(i); end,Matched substrings: 1: 1234-5678-9012-3456,.,21,字串的重複：身份證字號,如果要比對身份證字號，可用下列範例： 範例4-12： regExp05.m 事實上，身份證字號本身就有內(nèi)在的編碼規(guī)則，這些規(guī)則和使用者的性別有關，還包含一個檢查碼，並非簡簡單單地由一個英文字母加上九個數(shù)字所構(gòu)成。,string = My Id number is F123765431

17、; pattern = A-Zd9; start = regexp(string, pattern),start = 17,.,22,字串的重複：特定樣式比對,若要在一個字串中，找出在 b 與 t 中間夾二或三個母音的子字串，可見下列範例： 範例4-13： regExp09.m,string = bt bat bet ban bit boat beet berp boaet baeiout; pattern = baeiou2,3t; start, finish = regexp(string, pattern); fprintf(Matched substrings:n); for i=1:

18、length(start) fprintf(t%d: %sn, i, string(start(i):finish(i); end,Matched substrings: 1: boat 2: beet 3: boaet,.,23,字串的重複：小括弧的使用,我們也可以利用小刮號，進行重複字串的比對： 範例4-14： regExp18.m,string = Two cards: 1234-5678-9012-3456 and 0987-6543-2109-8765; pattern = (d4-)3d4; start, finish = regexp(string, pattern); fpri

19、ntf(Matched substrings:n); for i=1:length(start) fprintf(t%d: %sn, i, string(start(i):finish(i); end,Matched substrings: 1: 1234-5678-9012-3456 2: 0987-6543-2109-8765,.,24,字串的重複：比對原則,在通用式所採用的比對原則是最大比對（Maximal Match）或是貪心比對（Greedy Match），因此會盡量貪到越多的字元越好， 若使用通用式 foo.*bar 來比對字串 The food is under the bar

20、in the barn.，所比對到的是長字串 food is under the bar in the bar，而不是另一個符合比對標準的短字串 food is under the bar。 若要使通用式進行極小比對（Minimal Match），也就是在符合比對的條件下，選擇最短的字串，那麼就要在星號之後加上問號。,.,25,字串的重複：最大與最小比對,最大比對與最小比對的範例： 範例4-15： regExp19.m,string = The food is under the bar in the barn.; pattern1 = foo.*bar; start, finish = re

21、gexp(string, pattern1); fprintf(tGreedy match: %sn, string(start:finish); pattern2 = foo.*?bar; start, finish = regexp(string, pattern2); fprintf(tMinimal match: %sn, string(start:finish);,Greedy match: food is under the bar in the bar Minimal match: food is under the bar,.,26,字串的重複：問號的意義,請注意，問號在通用式

22、的意義是和內(nèi)文相關（Context Dependent）的，可以分兩類情況來說明： 如果問號接在一般字元之後，代表比對前一個字元零次或一次。 如果問號接在星號或加號之後，代表極小比對。,.,27,Open Question,如何在使用通用運算式時，一次找到所有可能的比對成功的子字串？,.,28,選項的使用：或的使用,如果同時比對數(shù)個通用式，可使用|來他們串起來，而達到或（OR）的邏輯運算效果。如，我們可同時比對信用卡號碼、身份證字號、電話號碼。 範例4-16： regExp16 .m,string = 1234-5678-9012-3456 and A123456789 and 5715131

23、; pattern = d4-d4-d4-d4|A-Zd9|d7; start, finish = regexp(string, pattern); fprintf(Matched substrings:n); for i=1:length(start) fprintf(t%d: %sn, i, string(start(i):finish(i); end,回傳結(jié)果為：Matched substrings: 1: 1234-5678-9012-3456 2: A123456789 3: 5715131,.,29,小括弧用於或,若是要進行 OR 運算的通用式有共通的部分，我們就需要使用小括弧來進

24、行更明確的規(guī)範，例如下列範例，可以同時比對 Chapter 和 Section，以及後續(xù)的數(shù)字： 範例4-17： regExp17 .m,string = I like Chapter 12, particularly Section 4!; pattern = (Chapter|Section) 1-9d?; start, finish = regexp(string, pattern); fprintf(Matched substrings:n); for i=1:length(start) fprintf(t%d: %sn, i, string(start(i):finish(i); e

25、nd,Matched substrings: 1: Chapter 12 2: Section 4,.,30,小括?。夯貍鞅葘Ψ系淖执?小括弧還有一個重要的功能，就是可以將對應於小括弧的子字串傳回來，非常適用於特定子字串的抽取。 範例4-18： regExp20 .m,string = I bet there is a bat on the boat; pattern = b(w*)t; start, finish, token = regexp(string, pattern); fprintf(There are %d matched substrings:n, length(start

26、); for i=1:length(start) fprintf(t%d: matched=%s, token=%sn, i, string(start(i):finish(i), string(tokeni(1):tokeni(2); end,回傳結(jié)果為：There are 3 matched substrings: 1: matched=bet, token=e“ 2: matched=bat, token=a 3: matched=boat, token=oa 在上例中，token 就是由 b 和 t 所夾的字串。,.,31,小括?。撼槿【W(wǎng)頁連結(jié),我們可以利用小括弧抽取字串功能來抽取網(wǎng)頁

27、的連結(jié)網(wǎng)址和連結(jié)文字，這在網(wǎng)頁搜尋引擎的製作上，是一個很重要的步驟，因為網(wǎng)頁蒐集程式（又稱為 Robot 或 Crawler）將網(wǎng)頁抓回來後，就是根據(jù)網(wǎng)頁內(nèi)的連結(jié)網(wǎng)址，來決定下次要蒐集的網(wǎng)頁，如此依次（可根據(jù) Depth-first Search 或 Breadth-first Search）反覆蒐集，就可以抓到很多網(wǎng)頁。 使用類似的方法，也可以抽取網(wǎng)頁中的電子郵件帳號，燒成 DM 電郵光碟牟利！,.,32,網(wǎng)頁範例,網(wǎng)頁範例： regExp.htm, List of important links: : MathWorks. : Roger Jang. : Google. ,.,33,小括弧

28、：抽取連結(jié)的範例,利用 regexp 指令所傳回來的第三個輸出變數(shù)，我們可以輕易地抓出此網(wǎng)頁的連結(jié)網(wǎng)址和連結(jié)文字： 範例4-20： linkExtraction .m,string = fileread(regExp.htm); pattern = (.*?); start, finish, token = regexp(string, pattern); fprintf(由檔案 %s 抽取出 %d 個連結(jié)：:n, fileName, length(start); for i=1:length(start) fprintf(t%d: 連結(jié)文字：%s, 連結(jié)網(wǎng)址：%sn, i, string(t

29、okeni(2,1):tokeni(2,2), string(tokeni(1,1):tokeni(1,2); end,由檔案 regExp.htm 抽取出 3 個連結(jié)：: 1: 連結(jié)文字：MathWorks, 連結(jié)網(wǎng)址：http:/ 2: 連結(jié)文字：Roger Jang, 連結(jié)網(wǎng)址：/jang 3: 連結(jié)文字：Google, 連結(jié)網(wǎng)址：http:/,.,34,字串的代換：基本範例,利用通用式來進行字串的代換，主要的指令是 regexprep。如，若要將所有b 和 t 中間至少夾一個母音的字串代換為 xxx。 範例4-21： regExpRep01 .m,str = I bet there is a bat in the boat!; pat = baeiou+t; newStr = regexprep(str, pat, xxx); fprintf(%sn, newStr);,回傳結(jié)果為： I xxx there is a xxx in the xxx!,.,35,字串的代換：壓縮空白,我們可將一列字串中，連續(xù)出現(xiàn)的多個空白字元，壓縮成一個空