正则表达式基础

本文详细介绍了正则表达式的各种元素,包括匹配符号、限制符和组合使用方法,并通过示例代码展示了如何利用正则表达式进行字符串切割及组装成map数据结构,为理解和运用正则表达式提供了实践指导。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

匹配符号

^ $ . \d \D \S \s x|y

限制符

限定符定义了一个元素可以发生的频率。

  • {X} {X,Y} +
  • ?

如果 ? 是限定符 * 或 + 或 ? 或 {} 后面的第一个字符,那么表示非贪婪模式(尽可能少的匹配字符),而不是默认的贪婪模式

常用组合

([\s\S]*) 任意字符

示例代码

下面这段代码演示切割一段字符并组装成 map

        HashMap map = new HashMap();
        Pattern videoPattern = Pattern.compile("Video (Sending|Receiving) Stats:\r\n([\\s\\S]*)");
        Matcher videoMatcher = videoPattern.matcher(partPString);
        if (videoMatcher.find()) {
            videoMatcher.group(1).trim();
            HashMap videoMap = (HashMap) split2Map(videoMatcher.group(2).trim());
            if (TextUtils.equals(videoMatcher.group(1).trim(), "Sending")) {
                map.put("videoCaptureFr", videoMap.get("Capture Fr"));
                map.put("videoFPS/IDR", videoMap.get("FPS/IDR"));
                map.put("videoBitrate/Setrate", videoMap.get("Bitrate/Setrate"));
                map.put("videoQP", videoMap.get("QP"));
                map.put("videoFecPrecent", videoMap.get("FecPrecent"));
            } else {
                map.put("videoFPS/IDR", videoMap.get("FPS/FIR"));
                map.put("videoRenderFR", videoMap.get("Render FR"));
                map.put("videoPvMos", videoMap.get("PvMos"));
            }
            map.put("videoPackets", videoMap.get("Packets"));
            map.put("videoResolution", videoMap.get("Resolution"));
            map.put("videoBitrate/Setrate", videoMap.get("Bitrate/Setrate"));
        } else {
            Log.d(TAG, "Video no match");
        }
}

按照/r/n 将字符拆分成map

    private Map split2Map(String statistic) {
        HashMap<String, String> map = new HashMap();
        String[] separated = statistic.split("\r\n");
        for (int i = 0; i < separated.length; i++) {
            String[] s = separated[i].split(":");
            try {
                if (s.length <= 1) {
                    map.put(s[0], "");
                } else {
                    map.put(s[0].trim(), s[1].trim());
                }
            } catch (ArrayIndexOutOfBoundsException exception) {

            }
        }
        return map;
    }

参考文章

http://tool.oschina.net/uploads/apidocs/jquery/regexp.html

基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统,个人经导师指导并认可通过的高分设计项目,评审分98分,项目中的源码都是经过本地编译过可运行的,都经过严格调试,确保可以运行!主要针对计算机相关专业的正在做大作业、毕业设计的学生和需要项目实战练习的学习者,资源项目的难度比较适中,内容都是经过助教老师审定过的能够满足学习、使用需求,如果有需要的话可以放心下载使用。 基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值