正则入门及基础理知识论

最新推荐文章于 2024-10-26 10:46:59 发布

原创最新推荐文章于 2024-10-26 10:46:59 发布 · 202 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#正则表达式

文章目录

正则表达式

正则表达式

元字符： 正则表达式中具有特殊意义的专用字符。

正则元字符

特殊字符
空白符
范围
量词
断言

特殊字符

. (英文的点) 表示换行以外的任意个字符
\d 任意数字 \D 任意的非数字
\w(小写） 任意字母、数字、下划线(不包含空格）
\W(大写） 任意非字母、数字、下划线
\s 任意空白符
\S(大写） 任意的非空白符

空白符

\r 回车符
\n 换行符
\f 换页符
\t 制表符
\v 垂直制表符
\s 任意空白符

量词

*： 0到多次
+： 1次到多次
?： 0到1次
{m}：出现m次
{m,}：出现至少m次
{m,n}： m到n次

范围

|或,：如love|live代表love或live
[]多选一：括号中任意个元素
[a-z]：匹配a到z之间任意单个元素
[^…]：不能是括号中的任意单个元素（^ 脱字符）

贪婪模式

尝试尽可能最大长度去匹配

非贪婪模式

量词后面加 ?：匹配长度最小满足要求的

独占模式（量词后加+)

独占模式与贪婪模式类似，尽可能多的去匹配，如果匹配失败就结束，不会进行回溯

例子

	正则	文本	结果
贪婪模式	a{1,3}ab	aaab	匹配
非贪婪模式	a{1,3}?ab	aaab	匹配
独占模式	a{1,3}+ab	aaab	不匹配

脱字符（^）代表正则开头，美元符号（$）代表结尾

分组

使用括号将多个元字符组成的部分括起来，将括号内的元字符当作一个整体。
”复用",就是引用之前出现过的分组。
不保存子组，在括号内使用 ?: 可以提高正则的性能。
分组命名：使用 (?P<分组名>正则)
分组引用： \number 或者 $number

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

bitshelf

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

2024年Unity 面试题 |五萬字二佰道| Unity面试题大全，面试题总结【全网最全，收藏一篇足够面试】

努力前行，总会成为自己心中的那道光

02-23

16万+

正所谓金三银四，又到了找工作的大好时机了，不知道大家有没有意向找一份更好的工作呢~ 之前写了很多Unity的学习和实例文章，但是面试题部分还没有一个系统的整理。那本篇文章就来整理一下Unity中一些常见的面试题，说不准就会面试的时候就会遇到！本篇文章会将Unity所有方面的面试资料都融会贯通，绝对是2022年Unity面试领域最实用的文章啦！

2021第五届蓝帽杯初赛取证复现1

wha1e的博客

05-15

3369

嫌疑人X的硬盘

参与评论您还未登录，请先登录后发表或查看评论

常用正则表达式

ZH592677127的专栏

01-28

1342

一、校验数字的表达式 1 数字：^[0-9]*$ 2 n位的数字：^\d{n}$ 3 至少n位的数字：^\d{n,}$ 4 m-n位的数字：^\d{m,n}$ 5 零和非零开头的数字：^(0|[1-9][0-9]*)$ 6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$ 7 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{

电子取证中的正则表达式（国内手机号码、BitLocker）

Intents的博客

03-21

921

国内手机号码的正则表达式：[^#](86)?(#{3}[\-]?#{4})[^#]BitLocker的正则表达式：

2023年第四届中科杯

weixin_49064458的博客

01-08

3739

第四届“中科实数杯”全国电子数据取证暨司法鉴定挑战赛受害人报案，其被嫌疑人王某多次通过微信进行诈骗，对受害人手机进行快采后，公安机关根据已有线索，发现可能存在多个受害人被该嫌疑人通过同样的方式进行诈骗。公安机关现已将嫌疑人iphone手机、红米手机、电脑进行备份、镜像。

【电子取证】计算机取证（第六届”蓝帽杯“全国大学生网络安全技能大赛）

07-13

第六届”蓝帽杯“全国大学生网络安全技能大赛

深度学习工程应用快速入门

GitChat

07-01

3374

课程介绍伴随人工智能时代的到来，深度学习技术也发挥着越来越重要作用，越来越多的技术人才开始投身入这一行业中，并希望发展成为一名深度学习算法工程师。然而，在实际的工程设计中，深度学习研发者总会面临着各种问题与困惑，比如：我们在设计深度网络的时候有什么技巧和原则吗？ VGG、ResNet 网络如何应用在实际的芯片上？ BN 层应该放在哪里比较合理？网络越深越好还是越宽越好？训练时如此多的优化...

算法面试八股文『基础知识篇』

SG_teresa's blog

01-31

4095

个人整理的算法面试基础知识八股文，内容较详细。

如何在短时间内入门并掌握深度学习？

人邮异步社区

10-26

1336

如何在短时间内快速入门并掌握深度学习，是很多读者的困惑——晦涩难懂的数学知识、复杂的算法、烦琐的编程……深度学习虽然让无数读者心怀向往，却也让不少人望而生畏，深感沮丧：时间没少花，却收效甚微。如何才能更好的学习深度学习呢?破解深度学习（基础篇）+（核心篇）就是助你破解深度学习模型算法与实现难题的书。它最主要的特色有两个:“只说人话”和“突出实战”。具体而言，本书在如下方面有所侧重并作了差异化处理。

机器学习从零到一的基础知识总集篇

qq_45774939的博客

07-20

3638

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。文章目录1. 定义2. 机器学习原理3. 机器学习的分类3.1 基于学习策略的分类3.2 基于学习方法的分类3.3 基于学习方式的分类3.4 基于数据形式的分类3.5 基于学习目标的分类4. 常见算法4.1 决策树算法4.2 朴素贝叶斯算法4.3 支持向量机算法4.4 随机森林算法4.5 人工神经网络算法

ASP.NET WEB开发

04-07

ASP.NET技术与应用 WEB动态网站开发源码

Code::Blocks的正则表达式

Octogen的专栏

09-01

1410

Code::Blocks的正则表达式搜索在Settings->Editor->General Settings下有两个相关选项，见上图。以前没有深究，今天在官方论坛看到篇帖子：http://forums.codeblocks.org/index.php?topic=6371.msg88843;topicseen大意：当两个选项都不选时，使用scintilla内建的REGEX引擎。此时REGEX中的“组”要用转义后的圆括号包围起来，即/(和/)。这在文本含有圆括号并且不常用分组功能时比较有利。如果选择POSI

正则表达式

woqiucheng

09-17

356

正则表达式其实是用来操作字符串的一些规则。好处：正则的出现，对字符串的复杂操作变得更为简单。特点：将对字符串操作的代码用一些符号来表示。只要使用了指定符号，就可以调用底层的代码对字符串进行操作。符号的出现，简化了代码的书写。弊端：符号的出现虽然简化了书写，但是却降低了阅读性。其实更多是用正则解决字符串操作的问题。组：用小括号标示，每定义一个小括号，就是一个组，而且有自动编号

用正則表達式查找字符串

u011982711的博客

01-19

412

port=$(grep "\"" server.xml| sed 's/.*port=\"//g'| sed 's/\".*//g' )echo $port先用grep定位到哪一行，在用sed s來replace更多：http://blog.youkuaiyun.com/tp7309/article/details/51418412方法2：xx="NBA"expr $xx : '.*$.*$.*'

详解BitLocker模式及加密数据和解密方法及无法访问解决之道

大IT职男日志

09-07

5882

有时候我们会遇到BitLocker加密数据无法访问的情况，这时候就需要我们“对症下药”，恢复这些无法访问的数据。3. 如果页面记录了多组此机器的BitLocker恢复密钥，可以根据BitLocker恢复页面中的【恢复密钥ID (用于识别密钥):】后的第一组数据，找到网页上对应的【密钥ID】，将其后边的恢复密钥，输入到电脑上即可。3、Microsoft账户：如果您使用的是Windows 10或更高版本，并且在设置BitLocker时登录了Microsoft账户，恢复密钥可能已自动同步至您的账户中。

Windows传统取证的一些笔记

wha1e的博客

06-13

3880

前置技能基本大同小异，互联网上资源很多。甚至说不明白这些知识随便翻，一直翻下去也可能找到答案，但是了解这些基本知识可以节省很多时间，提高命中率。

密码正则表达式

qq_17376623的博客

12-07

383

项目中出现的正则表达式 // 密码至少8位，包含数字、大写字母、小写字母、特殊字符中的3种及以上 String regex = "^(?![a-zA-Z]+$)(?![A-Z0-9]+$)(?![A-Z\\W_!@#$%^&*`~()-+=]+$)(?![a-z0-9]+$)(?![a-z\\W_!@#$%^&*`~()-+=]+$)(?![0-9\\W_!@#$%^&*`~()-+=]+$)[a-zA-Z0-9\\W_!@#$%^&*`~()-+=]{8,16}$";

密码校验常用正则表达式

最新发布

02-21

<think>嗯，用户想了解学习机器学习的入门要求。我需要先理清楚这个问题的各个方面，然后组织一个结构化的回答。首先，用户可能是刚开始接触这个领域，所以应该从基础讲起，不要用太多专业术语，但也要确保涵盖必要的内容。首先，数学基础应该是最重要的部分。机器学习涉及很多数学概念，比如线性代数、微积分、概率统计。需要解释每个数学领域在机器学习中的具体应用，比如矩阵运算在数据处理中的作用，梯度下降中的导数，概率在模型评估中的重要性。不过用户可能没有很强的数学背景，所以得强调基础的重要性，同时也要提到可以通过实践来辅助学习，避免吓退他们。接下来是编程能力。Python应该是主要的工具，还有相关的库如NumPy、Pandas、Scikit-learn。需要提到学习这些库的基本使用，以及数据处理和可视化的技能。可能用户对编程不太熟悉，所以需要强调实践的重要性，建议他们通过项目来巩固编程技能。然后是机器学习的基础理论，比如监督学习和无监督学习的区别，常见的算法如线性回归、决策树等。这部分需要简明扼要，避免深入复杂的算法细节，但要让用户了解需要掌握哪些基本概念。另外，模型评估指标如准确率、召回率也需要提及，因为这些是衡量模型性能的关键。工具和框架部分，应该包括TensorFlow、PyTorch，以及数据处理工具如Pandas和可视化工具Matplotlib。这部分可以稍微详细一点，但也要说明这些工具的学习路径，比如先学Scikit-learn再过渡到深度学习框架。实践项目的重要性，用户可能想知道如何应用所学知识，所以需要强调做项目的好处，比如Kaggle竞赛或自己找数据集。同时，阅读经典教材和论文可以提升理论水平，但可能对新手来说有点难，所以建议先打好基础再深入。持续学习方面，跟进最新进展和加入社区交流是必要的。可能用户担心自己无法跟上快速发展的领域，所以需要鼓励他们保持学习习惯，参与社区讨论。最后，学习路径建议分阶段，从基础到进阶，逐步深入。同时，提醒用户保持耐心和兴趣，因为机器学习的学习曲线可能较陡峭。需要检查是否有遗漏的部分，比如是否需要提到硬件要求，比如GPU之类的？不过入门阶段可能不需要太高配置的硬件，所以可能不用强调。另外，是否要推荐一些在线课程或资源？可能用户会需要，但问题主要是入门要求，不是资源列表，所以可以简要提及或放在最后作为建议。总的来说，回答应该结构清晰，分点列出，语言通俗易懂，鼓励用户逐步学习，不要被数学或编程吓到，强调实践和项目经验的重要性。同时，考虑到用户可能是完全的新手，避免使用过于技术性的术语，必要时举例说明。</think>机器学习的入门要求可以从基础知识、技能储备、工具使用和实践路径几个方面来介绍。以下是具体内容： -- ### **1. 数学基础** 机器学习依赖数学理论支撑，入门需掌握以下核心领域： - **线性代数**：矩阵运算、向量空间、特征值分解（用于数据降维、神经网络等）。 - **微积分**：导数和梯度（理解优化算法如梯度下降）、偏导数（深度学习中的反向传播）。 - **概率与统计**：概率分布、贝叶斯定理、假设检验（模型评估、算法设计的基础）。 **学习建议**：无需精通所有数学细节，但需理解核心概念如何应用于算法（如逻辑回归中的概率建模）。 --- ### **2. 编程能力** - **语言选择**：推荐 **Python**（社区资源丰富，库支持完善）。 - **关键库**： - **NumPy/Pandas**：处理数值计算和结构化数据。 - **Scikit-learn**：实现经典机器学习算法（分类、回归、聚类）。 - **Matplotlib/Seaborn**：数据可视化工具。 - **基础技能**：熟悉数据清洗、特征工程、模型调参流程。 **学习建议**：通过实战项目（如Kaggle入门赛）巩固编程技能。 -- ### **3. 机器学习基础理论** - **核心概念**： - 监督学习（分类、回归） vs. 无监督学习（聚类、降维）。 - 过拟合与欠拟合、偏差-方差权衡。 - 交叉验证、正则化等优化方法。 - **经典算法**：线性回归、逻辑回归、决策树、K近邻、支持向量机（SVM）等。 - **模型评估**：准确率、精确率、召回率、F1分数、ROC曲线等指标。 **学习建议**：先理解算法原理和适用场景，再学习代码实现。 --- ### **4. 工具与框架** - **深度学习框架**（可选但推荐）：TensorFlow/PyTorch（适合进阶学习神经网络）。 - **数据处理工具**：SQL（数据库查询）、Excel（快速分析）。 - **开发环境**：Jupyter Notebook（交互式编程）、VS Code/PyCharm（代码调试）。 --- ### **5. 实践路径** - **入门项目**： - 预测房价（回归问题）、手写数字识别（分类问题）。 - 使用公开数据集（如UCI、Kaggle）进行探索。 - **系统学习**： - 在线课程：推荐吴恩达《机器学习》（Coursera）或国内慕课（如李沐《动手学深度学习》）。 - 书籍：《机器学习实战》《Python机器学习手册》。 - **持续提升**： - 参与竞赛（如Kaggle）、复现经典论文。 - 关注AI顶会（NeurIPS、ICML）和开源社区（GitHub）。 --- ### **6. 软性要求** - **逻辑思维**：能够将实际问题抽象为数学模型。 - **耐心与抗挫力**：调参和debug可能耗时较长。 - **英语能力**：主流资料和论文多为英文。 -- ### **学习路线建议** 1. **第一阶段**：掌握Python基础 + 数学核心概念。 2. **第二阶段**：学习Scikit-learn实现经典算法，完成1~2个小项目。 3. **第三阶段**：深入深度学习（可选）或专攻某个方向（如自然语言处理、计算机视觉）。 --- **关键提醒**：机器学习领域更新快，但核心理论相对稳定。入门时不必追求“最新技术”，打好基础后逐步扩展知识边界。保持动手实践的习惯，理论结合项目才能融会贯通！