- 浏览: 599272 次
- 性别:
- 来自: 大连
文章分类
最新评论
-
fei33423:
同意你的说法. hbase 的强一致性分为两部分来说. 数据分 ...
浅谈Hbase 的强一致性 -
zengwenbo5566:
,高人,刚安装了 genymotion 那个附带 virtu ...
VirtualBox报错Unable to load R3 module GetLastError=1790 (VERR_UNRESOLVED_ERROR -
kabike:
QQ1289714862 写道这代码有问题吧 bar1 bar ...
AtomicBoolean运用 -
QQ1289714862:
这代码有问题吧 bar1 bar2 那来的 你是不是new了两 ...
AtomicBoolean运用 -
DEMONU:
需要依赖这么多东西啊
hbase 0.96和hadoop 2.2 java 客户端的jar依赖
捕获组
正则表达式中的括号相当于一个分组,比如下面这个正则表达式,就把字符串分成了"_"分割的三个分组,
然后可以利用$1引用第一个分组,$3引用第三个分组
向前引用
假设想匹配字符串中的"hello hello"这样的字串是很容易的,但是想匹配所有的这样的重复字符串呢(比如 "aaa aaa"和"www www")?
可以利用向前引用,即寻找已经匹配的捕获组.
比如下面这个正则表达式,寻找这样的匹配模式:多个字母(形成了捕获组1),一个空格,捕获组1
零宽度断言
假设想提取字符串中的括号中的数字(不包括括号),其实可以用这样的模式
(\d+)
但是这样会把括号也包括到匹配结果中,还要最后去掉括号.这时可以考虑零宽度断言,零宽度断言就像一种判断,
比如下面这个正则表达式,匹配的模式为: 多个数字,并且这些数字之前是"(",并且这些数字之后是")"
这个可以有如下变体.提取括号以及@@之间的 数字(不包括括号和@@)
贪婪量词和惰性量词
考虑这个例子,提取##之间的部分(包括#),很容易想
那么字符串改一下呢
因为默认情况下正则表达式的量词(即那个+)是贪婪的,它尝试尽可能多的匹配.
这时可以试下惰性量词,在+后面加?,表示尽可能少的进行匹配.
其实不用惰性量词,用 #[^#]+# 也可以
支配量词
支配量词比较复杂,我也不是完全清楚,这里谈一些个人见解,
我感觉它工作起来像贪婪量词,但是它不回溯,因为支配量词丢弃原来的状态.
比如贪婪量词模式 是\\w+:
字符串是 hello,那么这个字符串是肯定不满足模式的,因为它末尾没有那个分号.
不过贪婪量词先用 \\w+匹配 hello,发现不成功,进行回溯,就是用\\w+匹配hell,依然失败,接着匹配hel.
直到完全失败为止.
支配量词模式为\\w++:
在\\w++匹配了hello之后,发现后面没有分号,匹配失败,要进行回溯.但是支配量词没有保留h he hel hell这几个中间状态,
所以无法回溯,直接失败.
因此支配量词在这种情况下理论上效率会高一些,因为它少了这些回溯中间状态的步骤.
先看贪婪量词
下面用支配量词
上面都是匹配失败的情况,下面试试成功的.因为成功不需要回溯,因此速度快了很多嘛.为了对比,我把字符串长度和匹配次数都变大了.
现在差别就不明显了.
关于贪婪量词和支配量词
我猜测字符串a12b 和模式a\d+c匹配过程如下
那个逗号表示匹配的位置
,a12b ,a\d+c
a,12b a,\d+c
a1,2b a,\d+c 记录回溯状态 a1,2b a\d+,c
a12,b a,\d+c 记录回溯状态 a12,b a\d+,c
b匹配\d失败,回溯状态为a12,b a\d+,c
b匹配c失败,回溯状态为a1,2b a\d+,c
2匹配c失败,没有状态可以回溯,匹配失败
换成支配量词
a12b a\d++c
,a12b ,a\d++c
a,12b a,\d++c
a1,2b a,\d++c 记录回溯状态a1,2b a\d++,c
a12,b a,\d++c 记录回溯状态a12,b a\d++,c
b匹配\d失败,回溯状态为a12,b a\d++,c 丢弃其他回溯状态
b匹配c失败,没有状态可以回溯,匹配失败
看出来支配量词回溯步骤变少了.a b之间的数字越多,它比贪婪量词要回溯的就越少
关于捕获组和零宽度断言,后来又补充了一部分内容https://www.jianshu.com/p/31b13caa332c
正则表达式中的括号相当于一个分组,比如下面这个正则表达式,就把字符串分成了"_"分割的三个分组,
然后可以利用$1引用第一个分组,$3引用第三个分组
Pattern p = Pattern.compile("([^_]+)_(\\d+)_([^_]+)"); String src1 = "孙燕姿_20091103_遇见.mp3"; Matcher m = p.matcher(src1); System.out.println(m.replaceAll("$1_$3")); //output 孙燕姿_遇见.mp3
向前引用
假设想匹配字符串中的"hello hello"这样的字串是很容易的,但是想匹配所有的这样的重复字符串呢(比如 "aaa aaa"和"www www")?
可以利用向前引用,即寻找已经匹配的捕获组.
比如下面这个正则表达式,寻找这样的匹配模式:多个字母(形成了捕获组1),一个空格,捕获组1
Pattern p = Pattern.compile("(\\w+)\\s\\1"); String src = "I always make make some mistakes when when writting."; Matcher m = p.matcher(src); while (m.find()) { System.out.println(m.group()); } //output make make when when
零宽度断言
假设想提取字符串中的括号中的数字(不包括括号),其实可以用这样的模式
(\d+)
但是这样会把括号也包括到匹配结果中,还要最后去掉括号.这时可以考虑零宽度断言,零宽度断言就像一种判断,
比如下面这个正则表达式,匹配的模式为: 多个数字,并且这些数字之前是"(",并且这些数字之后是")"
Pattern p = Pattern.compile("(?<=\\()\\d+(?=\\))"); String src = "some useless word (497872028) some other crap 1321112232"; Matcher m = p.matcher(src); while (m.find()) { System.out.println(m.group()); } // output 497872028
这个可以有如下变体.提取括号以及@@之间的 数字(不包括括号和@@)
Pattern p = Pattern.compile("(?<=\\(|@@)\\d+(?=\\)|@@)"); String src = "some @@497872027@@ useless word (497872028) some other crap 1321112232"; Matcher m = p.matcher(src); while (m.find()) { System.out.println(m.group()); } // output 497872027 // output 497872028
贪婪量词和惰性量词
考虑这个例子,提取##之间的部分(包括#),很容易想
Pattern p = Pattern.compile("#.+#"); String src = "some #stupid# word and some crap"; Matcher m = p.matcher(src); while (m.find()) { System.out.println(m.group()); } // #stupid#
那么字符串改一下呢
Pattern p = Pattern.compile("#.+#"); String src = "some #stupid# word and some #crap#"; Matcher m = p.matcher(src); while (m.find()) { System.out.println(m.group()); } // #stupid# word and some #crap#
因为默认情况下正则表达式的量词(即那个+)是贪婪的,它尝试尽可能多的匹配.
这时可以试下惰性量词,在+后面加?,表示尽可能少的进行匹配.
Pattern p = Pattern.compile("#.+?#"); String src = "some #stupid# word and some #crap#"; Matcher m = p.matcher(src); while (m.find()) { System.out.println(m.group()); } // #stupid# // #crap#
其实不用惰性量词,用 #[^#]+# 也可以
支配量词
支配量词比较复杂,我也不是完全清楚,这里谈一些个人见解,
我感觉它工作起来像贪婪量词,但是它不回溯,因为支配量词丢弃原来的状态.
比如贪婪量词模式 是\\w+:
字符串是 hello,那么这个字符串是肯定不满足模式的,因为它末尾没有那个分号.
不过贪婪量词先用 \\w+匹配 hello,发现不成功,进行回溯,就是用\\w+匹配hell,依然失败,接着匹配hel.
直到完全失败为止.
支配量词模式为\\w++:
在\\w++匹配了hello之后,发现后面没有分号,匹配失败,要进行回溯.但是支配量词没有保留h he hel hell这几个中间状态,
所以无法回溯,直接失败.
因此支配量词在这种情况下理论上效率会高一些,因为它少了这些回溯中间状态的步骤.
先看贪婪量词
Pattern p = Pattern.compile("\\w+:"); StringBuilder sb = new StringBuilder(); for (int i = 0; i <= 40; i++) { sb.append("alonglongsentence"); } String src = sb.toString(); long start = System.currentTimeMillis(); for (int i = 0; i <= 100; i++) { p.matcher(src).find(); } System.out.println(System.currentTimeMillis() - start); //1391
下面用支配量词
Pattern p = Pattern.compile("\\w++:"); StringBuilder sb = new StringBuilder(); for (int i = 0; i <= 40; i++) { sb.append("alonglongsentence"); } String src = sb.toString(); long start = System.currentTimeMillis(); for (int i = 0; i <= 100; i++) { p.matcher(src).find(); } System.out.println(System.currentTimeMillis() - start); // 875
上面都是匹配失败的情况,下面试试成功的.因为成功不需要回溯,因此速度快了很多嘛.为了对比,我把字符串长度和匹配次数都变大了.
Pattern p = Pattern.compile("\\w+:"); StringBuilder sb = new StringBuilder(); for (int i = 0; i <= 400; i++) { sb.append("alonglongsentence"); } sb.append(":"); String src = sb.toString(); long start = System.currentTimeMillis(); for (int i = 0; i <= 1000; i++) { p.matcher(src).find(); } System.out.println(System.currentTimeMillis() - start); // 250 Pattern p = Pattern.compile("\\w++:"); StringBuilder sb = new StringBuilder(); for (int i = 0; i <= 400; i++) { sb.append("alonglongsentence"); } sb.append(":"); String src = sb.toString(); long start = System.currentTimeMillis(); for (int i = 0; i <= 1000; i++) { p.matcher(src).find(); } System.out.println(System.currentTimeMillis() - start); // 235
现在差别就不明显了.
关于贪婪量词和支配量词
我猜测字符串a12b 和模式a\d+c匹配过程如下
那个逗号表示匹配的位置
,a12b ,a\d+c
a,12b a,\d+c
a1,2b a,\d+c 记录回溯状态 a1,2b a\d+,c
a12,b a,\d+c 记录回溯状态 a12,b a\d+,c
b匹配\d失败,回溯状态为a12,b a\d+,c
b匹配c失败,回溯状态为a1,2b a\d+,c
2匹配c失败,没有状态可以回溯,匹配失败
换成支配量词
a12b a\d++c
,a12b ,a\d++c
a,12b a,\d++c
a1,2b a,\d++c 记录回溯状态a1,2b a\d++,c
a12,b a,\d++c 记录回溯状态a12,b a\d++,c
b匹配\d失败,回溯状态为a12,b a\d++,c 丢弃其他回溯状态
b匹配c失败,没有状态可以回溯,匹配失败
看出来支配量词回溯步骤变少了.a b之间的数字越多,它比贪婪量词要回溯的就越少
关于捕获组和零宽度断言,后来又补充了一部分内容https://www.jianshu.com/p/31b13caa332c
发表评论
-
禁用vim中自动插入注释
2018-05-20 11:36 852我将一个配置文件复制到粘贴板,粘贴到另一个vim窗口的时候,如 ... -
maven查找所有依赖的license类型
2017-03-27 20:24 1284mvn project-info-reports:depend ... -
一些命令
2016-12-27 15:45 4891 maven assembly插件打包snapshot版本的 ... -
clojure中的agent实现
2015-07-30 18:15 827最近看了下clojure的并发,其中提到了agent.agen ... -
thrift使用中的一些问题
2015-05-07 11:11 4311 TSimpleServer居然是单线程阻塞式server ... -
maven的maven.test.skip和skipTests
2015-03-25 18:04 524maven.test.skip连编译test类都skip了 引 ... -
同步hadoop配置文件
2015-01-08 10:54 711#!/bin/bash HADOOP_HOME=/usr/l ... -
hibernate one to many 查询返回了重复的数据
2014-12-24 23:38 1327很奇怪为什么设计成这样... https://develope ... -
用eclipse来debug
2014-12-24 23:30 563不错的文章,好多debug技巧 http://www.voge ... -
修改vim里注释的颜色
2014-11-12 18:40 1230vim里蓝色的注释太难以看清楚了,在~/.vimrc里加入 h ... -
VirtualBox报错Unable to load R3 module GetLastError=1790 (VERR_UNRESOLVED_ERROR
2014-11-12 12:53 3924在win7上VirtualBox创建个虚拟机各种莫名其妙的错误 ... -
maven repository损坏导致eclipse无法将web工程发布到tomcat
2014-09-17 16:07 2275在eclipse中建立的maven的web工程,发布到tomc ... -
maven工程中解决spring的依赖问题
2014-06-27 15:54 791在maven工程中,添加了spring-aop的依赖,没想到启 ... -
C# winform程序提交带文件的form
2014-06-25 11:47 1193在html页面里,可以在form里提交file和普通input ... -
windows7 下以其他用户运行程序
2014-04-21 09:49 787windows7 下如果想以其他用户运行程序,可以按住shif ... -
tomcat中无法运行solr 4.6
2014-02-25 10:52 627运行tomcat后solr app没有部署成功.报错是 引用 ... -
eclipse 链接外部文件夹
2014-02-21 10:14 1237http://lippeng.iteye.com/blog/9 ... -
dbunit进行数据库操作的测试
2013-02-21 21:26 3628j2ee程序好多都涉及到了数据库操作,这时进行mock测试就没 ... -
搜索引擎site关键字的站内搜索
2013-01-30 15:20 1190比如google里搜索dom element,老是有些乱七八糟 ... -
eclipse重新import被删除的项目
2013-01-14 10:55 4057eclipse工作区里项目太多了,所以删了几个(但是没物理删除 ...
相关推荐
本文介绍了Python对于正则表达式的支持,包括正则表达式基础以及Python正则表达式标准库的完整介绍及使用示例。本文的内容不包括如何编写高效的正则表达式、如何优化正则表达式,这些主题请查看其他教程。 ...
精通正则表达式第三版 搜集于网络 前言..........I 第1章:正则表达式入门.... 1 解决实际问题... 2 作为编程语言的正则表达式... 4 以文件名做类比... 4 以语言做类比... 5 正则表达式的知识框架... 6 对于...
第 1 章 正则表达式入门 29 解决实际问题 30 作为编程语言的正则表达式 32 以文件名做类比 32 以语言做类比 33 正则表达式的思维框架 34 对于有部分经验的读者 34 Egrep元字符 36 行的起始和结束 36 字符组...
正则表达式中包含三种元素分别为:量词、元字符、修饰符正则表达式中包含三种元素分别为,这是常用的很有用
正则表达式 正则表达用来匹配字符串 正则表达式匹配过程 依次拿出表达式和文本中的字符串进行比价 如果每个字符都能匹配,则匹配成功;一旦有匹配不成功的字符,则匹配失败 如果有量词和边界,则匹配过程稍微有些...
前面我们知道正则表达式有很多元字符表示匹配次数(量词),都是可以重复匹配前面出现的单个字符次数。有时候,我们可能需要匹配一组多个字符一起出现的次数。这个时候,我们需要分组了。就是用小括号来括起这些字符...
.NET正则表达式基础使用教程。该文件为Visual Studio 2013项目文件。里面有4个小项目,分别用于介绍正则表达式的字符组,量词,分组,断言。具体请参考我即将推出的博客教程。谢谢各位。
本节会向大家介绍模式修正符的概念、模式修正符的构成,以及结合实例的模式修正符的演示,大家在学习完本节内容之后,就完全可以读懂正则表达式了。 什么是模式修正符? 1, 模式修正符就是几个字母,我们在每个正则...
先扫盲一下什么是正则表达式的贪婪,什么是非贪婪?或者说什么是匹配优先量词,什么是忽略优先量词,好吧,下面通过实例给大家介绍下PHP 正则表达式效率 贪婪、非贪婪与回溯分析,一起看看吧
非贪婪匹配就是尽可能少的匹配,用法就是在量词后面加上一个“?”,比如: "aaaaa".match(/a+?/); //["a", index: 0, input: "aaaaa"] 但是非贪婪匹配有时候和我们期待的并不一样,比如: "aaab".match(/a+b/); ...
本教程主要参考自网上最普遍的《正则表达式30分钟入门教程》(http://deerchao.net/tutorials/regex/regex.htm),这是一个非常优秀的教程,深入浅出讲解了正则表达式的基本概念,更加深入的内容可以参考CSDN上过客...
正则表达式分组: 如果想匹配3个数字,正则表达式可以用如下写法: \d{3} 以上代码使用重复量词可以匹配3位数字。 但是在实际应用中,往往需要重复多个字符,例如我想重复ab两个字符,使用以下代码就不合适了,代码...
正则表达式快速入门(二) 【导读】在本文里,我们主要介绍子模式(subpatterns),逆向引用(Back references)和量词(quantifiers) 在上篇文章里,我们介绍了正则表达式的模式修正符与元字符,细心的读者也许会发现,...
文章目录正则表达式元字符基本元字符:预定义字符使用量词贪婪量词字符分组反向引用分组非捕获分组re模块介绍search()和match()函数match对象的方法findall()和finditer()字符串分割和替换编译正则表达式 正则表达式...
1 概述 贪婪与非贪婪模式影响的是被量词修饰的子表达式的匹配行为,贪婪模式在整个表达式匹配成功的前提下,尽可能多的匹配,而非贪婪模式在整个表达式匹配成功的前提下,尽可能少的匹配。非贪婪模式只被部分NFA引擎...
正则表达式{n,m}量词: {n,m}量词可以重复前面匹配的字符n-m次,至少n次,最多m次。 语法结构: 构造函数方式: new RegExp("x{n,m}") 对象直接量方式: /x{n,m}/ 浏览器支持: IE浏览器支持此元字符。 火狐浏览器支持...
首先,什么事正则表达式呢,其实引入概念很多时候并不能帮我们明白它到底是什么,所以我先简单描述下,正则表达式,其实就是一个记录字符串规则则的字符串,等我们看完这一部分,也就能明白它到底是什么了。...
当一个正则表达式扫描目标字符串时,从左到右逐个扫描正则表达式的组成部分,在每个位置上测试能不能找到一个匹配。对于每一个量词和分支,都必须确定如何继续进行。如果是一个量词(如*、+?或者{2,}),那么正则...
正则表达式中包含两种元素分别为:量词、元字符,是java,html,java web学习的资料。
正则表达式(Regluar Expressions)又称规则表达式,在代码中常简写为REs,regexes或regexp(regex patterns)。它本质上是一个小巧的、高度专用的编程语言。 通过正则表达式可以对指定的文本实现 匹配测试、内容...