正则表达式

一:什么是正则表达式
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规 则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。

二:创建正则表达式

1.
 使用new运算符创建
		var box =RegExp('box');              //第一个参数字符串
		var box =RegExp('box','gi');                  //第二个参数可选模式修饰符
		
	采用字面量方式
	   var box =/box/;  
		var box =/box/gi;   

模式修饰符的可选参数:

参数含义
i忽略大小写
g全局匹配
m多行匹配

2.测试正则表达式
RegExp对象的方法:

方法功能
test在字符串中测试模式匹配,返回true或false
exec在字符串中执行匹配搜索,返回结果数组

使用new运算符的test方法实例:

		var pattern =new RegExp('box','i'); 				//创建正则模式,不区分大小写
		var str='this is a Box!';
		alert(pattern.test(str));											//返回true

使用一条语句实现正则匹配:

		alert(/box/i.test('This is a Box!'));

使用exec返回匹配数组:

		var pattern =/box/i; 				
		var str='this is a Box!';
		alert(pattern.exec(str));											//匹配了返回数组否则返回null

3.使用字符串中的正则表达试方法
string对象中的正则表达式方法

方法含义
match(pattern)返回pattern中的子串或null
replace(pattern,replacement)用replacement替换pattern
search(pattern)返回字符串中pattern开始位置
split(pattern)返回字符串按指定拆分的数组

使用match方法获取匹配数组

var pattern =/box/i;
var str='this is a Box!, this is a Box too';
alert(str.match(pattern));

使用search来查找匹配数据

var pattern =/box/i;
var str='this is a  Box!, this is a Box too';
alert(str.search(pattern));

使用replace替换匹配到的数据

var pattern =/box/ig;
var str='this is a  Box!, this is a Box too';
alert(str.replace(pattern,'pox'));

使用split拆分成字符串数组

var pattern =/box/ig;
var str='this is a  Box!, this is a Box too';
alert(str.split(pattern));

4.正则表达式对象的静态属性

属性短名含义
input$_当前被匹配的字符串
lastmatch$&最后一个匹配字符串
lastparen$+最后一对圆括号内的匹配子串
leftContext$ ‘最后一次匹配前的子串
multiline$*用于指定是否所有的表达式 都用于多行的布尔值
rightContext$’在上次匹配之后的字串

5.正则表达式对象的实例属性

属性含义
globalBoolen值,表示g是否已设置
ignoreCaseBoolen值,表示i是否已设置
lastIndex整数,代表下次匹配位置将从哪里字符位置开始
multilineBoolen值,表示m是否已设置
Source正则表达式的源字符串形式

三:获取控制
正则表达式的元字符是包含特殊含义的字符。他们有一些特殊功能,可以控制匹配模式的方式,反斜杠后的元字符将失去其特殊含义。

  							 字符类:单个字符和数字
元字符/元符号匹配情况
.匹配除换行符外的任意字符
【a-z0-9】匹配括号字符集中的任意字符
【^a-z0-9】匹配任意不在括号字符集中的字符
\d匹配数字
\D匹配非数字,即【^0-9】
\w匹配字母数字和斜杠
\W匹配非字母数字和斜杠
							字符类:空白字符
元字符/元符号匹配情况
\0匹配null字符
\b匹配空格字符
\f匹配进纸字符
\n匹配换行符
\r匹配回车字符
\t匹配制表符
\s匹配空白字符,空格,制表符和换行符
\S匹配非空白字符
		                 字符类:锚字符
元字符/元符号匹配
^行首匹配
$行尾匹配
\A只匹配字符串的开始处
\b匹配单词边界,词在【】内时无效
\B匹配非单词边界
\G匹配当前搜索的开始位置
\Z匹配字符串结束处或行尾
\z只匹配字符串结束处
					   字符类:重复字符
元字符/元符号匹配情况
x?匹配0个或一个x
x*匹配0个或任意多个x
x+匹配至少一个x
(xyz)+匹配至少一个(xyz)
x{m,n}匹配最少m个,最多n个x
					字符类:替代字符
元字符/元符号匹配情况
this\where\logo匹配 this,where,logo中的任意一个
					字符类:记录字符
元字符/元符号匹配情况
(string)用于反向引用的分组
\1或$1匹配第一个分组中的内容
\2或$2匹配第一个分组中的内容
\3或$3匹配第一个分组中的内容

四:常用的正则

1.检查邮政编码

var pattern=/^[1-9][0-9]{5}$/; //行首行尾严格匹配
var str='this is 240000';
alert(pattern.test(str));

2.检查文件压缩包

var pattern=/[\w]+\.zip|gz|rar/;   // \为转义字符, 把\.转义成实际意义上的.
var str='678.zip';
alert(pattern.test(str));

3.删除多余空格

var pattern=/\s/g;
var str='11 22 33 44 55';
alert(str.replace(pattern,''));

4.删除首尾空格

var pattern=/^\s+/;
var str='     goo gle   ';
var result=str.replace(pattern,'');
pattern=/\s+$/;
result=result.replace(pattern,'');
alert(result);

5.简单的电子邮件验证

var pattern=/^([\w\_\.]+)@([\w\_]+)\.[a-zA-Z]{2,4}$/;
var str='yc60.com@wwe.com';
alert(pattern.test(str));
标题基于SpringBoot+Vue的学生交流互助平台研究AI更换标题第1章引言介绍学生交流互助平台的研究背景、意义、现状、方法与创新点。1.1研究背景与意义分析学生交流互助平台在当前教育环境下的需求及其重要性。1.2国内外研究现状综述国内外在学生交流互助平台方面的研究进展与实践应用。1.3研究方法与创新点概述本研究采用的方法论、技术路线及预期的创新成果。第2章相关理论阐述SpringBoot与Vue框架的理论基础及在学生交流互助平台中的应用。2.1SpringBoot框架概述介绍SpringBoot框架的核心思想、特点及优势。2.2Vue框架概述阐述Vue框架的基本原理、组件化开发思想及与前端的交互机制。2.3SpringBoot与Vue的整合应用探讨SpringBoot与Vue在学生交流互助平台中的整合方式及优势。第3章平台需求分析深入分析学生交流互助平台的功能需求、非功能需求及用户体验要求。3.1功能需求分析详细阐述平台的各项功能需求,如用户管理、信息交流、互助学习等。3.2非功能需求分析对平台的性能、安全性、可扩展性等非功能需求进行分析。3.3用户体验要求从用户角度出发,提出平台在易用性、美观性等方面的要求。第4章平台设计与实现具体描述学生交流互助平台的架构设计、功能实现及前后端交互细节。4.1平台架构设计给出平台的整体架构设计,包括前后端分离、微服务架构等思想的应用。4.2功能模块实现详细阐述各个功能模块的实现过程,如用户登录注册、信息发布与查看、在线交流等。4.3前后端交互细节介绍前后端数据交互的方式、接口设计及数据传输过程中的安全问题。第5章平台测试与优化对平台进行全面的测试,发现并解决潜在问题,同时进行优化以提高性能。5.1测试环境与方案介绍测试环境的搭建及所采用的测试方案,包括单元测试、集成测试等。5.2测试结果分析对测试结果进行详细分析,找出问题的根源并
内容概要:本文详细介绍了一个基于灰狼优化算法(GWO)优化的卷积双向长短期记忆神经网络(CNN-BiLSTM)融合注意力机制的多变量多步时间序列预测项目。该项目旨在解决传统时序预测方法难以捕捉非线性、复杂时序依赖关系的问题,通过融合CNN的空间特征提取、BiLSTM的时序建模能力及注意力机制的动态权重调节能力,实现对多变量多步时间序列的精准预测。项目不仅涵盖了数据预处理、模型构建与训练、性能评估,还包括了GUI界面的设计与实现。此外,文章还讨论了模型的部署、应用领域及其未来改进方向。 适合人群:具备一定编程基础,特别是对深度学习、时间序列预测及优化算法有一定了解的研发人员和数据科学家。 使用场景及目标:①用于智能电网负荷预测、金融市场多资产价格预测、环境气象多参数预报、智能制造设备状态监测与预测维护、交通流量预测与智慧交通管理、医疗健康多指标预测等领域;②提升多变量多步时间序列预测精度,优化资源调度和风险管控;③实现自动化超参数优化,降低人工调参成本,提高模型训练效率;④增强模型对复杂时序数据特征的学习能力,促进智能决策支持应用。 阅读建议:此资源不仅提供了详细的代码实现和模型架构解析,还深入探讨了模型优化和实际应用中的挑战与解决方案。因此,在学习过程中,建议结合理论与实践,逐步理解各个模块的功能和实现细节,并尝试在自己的项目中应用这些技术和方法。同时,注意数据预处理的重要性,合理设置模型参数与网络结构,控制多步预测误差传播,防范过拟合,规划计算资源与训练时间,关注模型的可解释性和透明度,以及持续更新与迭代模型,以适应数据分布的变化。
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