JavaScript RegExp 对象

正则表达式实战指南
本文深入探讨了正则表达式的使用技巧,包括大小写不敏感匹配、全局匹配、单词字符定义及复杂模式的构建。通过实例展示了如何利用正则表达式进行文本搜索与替换,适用于JavaScript等编程语言。

new RegExp(pattern, attributes);
在这里插入图片描述
在这里插入图片描述
i 修饰符用于执行对大小写不敏感的匹配。找到第一个后就停止
在这里插入图片描述
输出结果为W3School
g 修饰符用于执行全局匹配(查找所有匹配而非在找到第一个匹配后停止)。
在这里插入图片描述
输出结果为is,is
在这里插入图片描述
在这里插入图片描述
输出结果h,a,h,e,e
在这里插入图片描述
单词字符包括:a-z、A-Z、0-9,以及下划线。
在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述结果为在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述输出结果为100 1000 10000,包含有三个\d即三个数字,如果改为\d{4,}的话就是1000和10000,把数拆分成一个一个数字然后计算其个数。
在这里插入图片描述在这里插入图片描述
对其后紧跟 “all” 的 “is” 进行搜索,/后加个g就是全局搜索
在这里插入图片描述
在这里插入图片描述

var str = "The rain in Spain stays mainly in the plain";
var patt1 = new RegExp("ain", "g");

for(i = 0; i < 7; i++) 
  {
  patt1.test(str)
  document.write("ain found. index now at: " + patt1.lastIndex);
  document.write("<br />");
  }

输出结果为
ain found. index now at: 8
ain found. index now at: 17
ain found. index now at: 28
ain found. index now at: 43
ain found. index now at: 0
ain found. index now at: 8
ain found. index now at: 17
在这里插入图片描述

var str="Every man in the world! Every woman on earth!";
patt=/man/g;
str2=str.replace(patt,"person");
document.write(str2+"<br />");
patt=/(wo)?man/g;
patt.compile(patt); 
str2=str.replace(patt,"person");
document.write(str2);

Every person in the world! Every woperson on earth!
Every person in the world! Every person on earth!
在这里插入图片描述
search返回匹配的子串的第一个值,如果无匹配返回-1
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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