AS3 正则表达式应用 格式检查与限制输入内容

本文介绍了如何在文本框中设置输入限制,包括只允许特定字符、数字或中文输入等。此外,还提供了几种常见的格式验证方法,如验证电子邮件、邮编及身份证号的有效性。

限制输入内容

 

(一)、my_txt.restrict = "A-Z 0-9";               仅允许在文本字段中输入大写字符、空格和数字 

 

(二)、my_txt.restrict = "^a-z";                  包含除小写字母之外的所有字符,如果此时输入大写字母,则会自动被转为大写字母

 

(三)、my_txt.restrict=String.fromCharCode(0x4E00)+"-"+String.fromCharCode(0x9FA5);              只能输入中文

 

       my_txt.restrict="一-龥";                   只能输入中文的简写形式,因为"一"和"龥"的编码分别对应为0x4E00和0x9FA5。

 

(四)、my_txt.restrict="^"+String.fromCharCode(0x4E00)+"-"+String.fromCharCode(0x9FA5);          除中文以外的所有字符

 

       my_txt.restrict="^"+"一-龥"                除中文以外的所有字符的简写形式。

 

(五)、my_txt.restrict = "A-Z^Q";                 可以在字符串中的任何地方使用 ^,以在包含字符与排除字符之间进行切换。 这段代码只包含除大写字母Q 之外的大写字母,如果此时输入小写字母的话,则会自动被转为大写字母

 

 

格式检查

 

(一)、验证E-mail格式

     方法一.

       var regex:RegExp=newRegExp("^[\\w-]+(\\.[\\w-]+)*@[\\w-]+(\\.[\\w-]+)+$");

       var email1:String="yan.net@126.com";

       var email2:String="yan.net@126_com";

       trace("\""+email1+"\""+(regex.test(email1)?"是":"不是")+"邮箱地址");

       trace("\""+email2+"\""+(regex.test(email2)?"是":"不是")+"邮箱地址");                    trace(regex.test(email1));

 

方法二.

if (emailtxt.text.charAt(0) =="." || emailtxt.text.charAt(0) == "@" ||emailtxt.text.indexOf("@", 0) == -1 || emailtxt.text.indexOf(".",0) == -1 || emailtxt.text.indexOf(".@", 0) != -1 ||emailtxt.text.indexOf("@.", 0) != -1 ||emailtxt.text.indexOf("..", 0) != -1 ||emailtxt.text.lastIndexOf("@") != emailtxt.text.indexOf("@")|| emailtxt.text.lastIndexOf("@") == emailtxt.text.length - 1 ||emailtxt.text.lastIndexOf(".") == emailtxt.text.length - 1){

                errorinfo.text = "Email的格式不正确!";

                return;

           }

 

(二)、去除字符串前面的空格和跳格符

 

       var src:String=" Hello! "; trace(src); //原文本

       trace(src.replace(/^\s*/g,"")); //去掉前面的空格

       trace(src.replace(/\s*$/g,"")); //去掉后面的空格

 

 

(三)、验证邮编

 

       var pattern:RegExp=/[1-9]\d{5}(?!\d)/;//初始化正则表达式类

       //需要验证的字符串

       var code:String="123456";

       var errCode:String="1234";

       //输出结果

       trace("验证正确的邮政编码的结果:"+pattern.test(code));

       trace("验证错误的邮政编码的结果:"+pattern.test(errCode));

 

       

 

(四)、验证身份证

 

        var pattern:RegExp=/ \d{15}|\d{18}/; //初始化正则表达式类

        //需要验证的字符串

        var idCard:String="123456789123456789";

        var errIdCard:String="1234";

        //输出结果

        trace("验证正确的身份证的结果:"+pattern.test(idCard));

        trace("验证错误的身份证的结果:"+pattern.test(errIdCard));


传送带损坏对象检测数据集 一、基础信息 • 数据集名称:传送带损坏对象检测数据集 • 图片数量: 训练集:645张图片 验证集:185张图片 测试集:92张图片 总计:922张工业监控图片 • 训练集:645张图片 • 验证集:185张图片 • 测试集:92张图片 • 总计:922张工业监控图片 • 分类类别: Hole(孔洞):传送带表面的孔洞损坏。 Human(人类):工作区域中的人类,用于安全监控。 Other Objects(其他对象):非预期对象,可能引起故障。 Puncture(刺穿):传送带被刺穿的损坏。 Roller(滚筒):传送带滚筒部件。 Tear(撕裂):传送带撕裂损坏。 impact damage(冲击损坏):由于冲击导致的损坏。 patch work(修补工作):已修补的区域。 • Hole(孔洞):传送带表面的孔洞损坏。 • Human(人类):工作区域中的人类,用于安全监控。 • Other Objects(其他对象):非预期对象,可能引起故障。 • Puncture(刺穿):传送带被刺穿的损坏。 • Roller(滚筒):传送带滚筒部件。 • Tear(撕裂):传送带撕裂损坏。 • impact damage(冲击损坏):由于冲击导致的损坏。 • patch work(修补工作):已修补的区域。 • 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 • 数据格式:图像数据来源于工业监控系统,适用于计算机视觉分析。 二、适用场景 • 工业自动化检测系统开发:用于构建自动检测传送带损坏和异物的AI模型,实现实时监控和预防性维护,减少停机时间。 • 安全监控应用:识别人类和其他对象,提升工业环境的安全性,避免事故和人员伤害。 • 学术研究创新:支持计算机视觉在制造业、物流和自动化领域的应用研究,促进AI技术工业实践的融合。 • 教育培训:可用于培训AI模型或作为工业工程和自动化教育的案例数据,帮助学习者理解实际应用场景。 三、数据集优势 • 多样化的类别覆盖:包含8个关键类别,涵盖多种损坏类型和对象,确保模型能够处理各种实际工业场景,提升泛化能力。 • 精准的标注质量:采用YOLO格式,边界框标注准确,由专业标注人员完成,保证数据可靠性和模型训练效果。 • 强大的任务适配性:兼容主流深度学习框架(如YOLO、TensorFlow、PyTorch),可直接用于目标检测任务,并支持扩展至其他视觉任务需求。 • 突出的工业价值:专注于工业传送带系统的实际需求,帮助提升生产效率、降低维护成本,并增强工作场所安全,具有较高的实际应用价值。
一、基础信息 • 数据集名称:垃圾废弃物目标检测数据集 • 图片数量: 训练集:1124张图片 验证集:375张图片 总计:1499张图片 • 训练集:1124张图片 • 验证集:375张图片 • 总计:1499张图片 • 分类类别:包含60多个垃圾和废弃物类别,如气溶胶、铝泡罩包装、电池、破碎玻璃、卡片泡罩包装、香烟、透明塑料瓶、瓦楞纸箱、薯片袋、一次性食品容器、一次性塑料杯、饮料罐、饮料纸盒、鸡蛋盒、泡沫杯、泡沫食品容器、食品罐、食物垃圾、垃圾袋、玻璃瓶、玻璃杯、玻璃罐、杂志纸、餐盒、金属瓶盖、金属盖、普通纸、其他纸箱、其他塑料、其他塑料瓶、其他塑料容器、其他塑料杯、其他塑料包装、纸袋、纸杯、纸吸管、披萨盒、塑料瓶盖、塑料薄膜、塑料手套、塑料盖、塑料吸管、塑料餐具、聚丙烯袋、拉环、绳子、废金属、鞋子、一次性购物袋、六罐环、涂抹管、可挤压管、泡沫塑料片、纸巾、厕纸管、特百惠、未标记垃圾、包装纸等。 • 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 • 数据格式:图片来源于实际场景,细节清晰。 二、适用场景 • 垃圾自动分类系统开发:数据集支持目标检测任务,帮助构建能够自动识别和分类垃圾物品的AI模型,用于智能垃圾桶或回收系统,提升废弃物管理效率。 • 环保应用研发:集成至环保和废弃物管理应用,提供实时垃圾识别功能,促进回收和环境保护,支持可持续发展倡议。 • 学术研究创新:支持计算机视觉环保领域的交叉研究,助力发表垃圾识别和AI技术相关学术论文,推动技术创新。 • 教育培训:可用于学校或培训机构,作为垃圾分类和AI目标检测教学的重要资源,培养环保意识和技术能力。 三、数据集优势 • 精准标注多样性:每张图片经过准确标注,确保边界框定位精确;包含多种垃圾类别,覆盖常见废弃物,提升模型的泛化能力和鲁棒性。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO等),可直接用于目标检测任务,并支持扩展到其他视觉任务,如分类或分割。 • 实际应用价值:专注于垃圾识别,为环保、废弃物管理和回收提供重要数据支撑,有助于减少污染和促进循环经济。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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