正则表达式

开发工具与关键技术:RegexBuddy 4    正则表达式

作者:周乐献

撰写时间:2019/4/5

                正则表达式的应用

正则表达式,又被称为规则表达式。通常被用来检索、替换那些符合某个模式(规则)的文本。

它由一些普通字符和一些元字符组成的。

下面是一些比较常用的·元字符和限定符

代码     说明

.        匹配除换行符以外的任意字符

\w       匹配字母或数字或下划线或汉字     

\s       匹配任意的空白符

\d       匹配数字字符

\b       匹配单词的开始或结束

^        匹配输入字行首

$        匹配输入行尾

*        匹配前面的子表达式任意次

+        匹配前面的子表达式一次或多次

?       匹配前面的子表达式零次或一次

我们可以简单的来写一个正则表达式

我们在上面的输入框中进行正则表达式的演示

():这是把正则表达式的元字符进行分组。

然后我们可以看出下面图片中系统按照了我们所编写的正则表达式选择到了我们想要的内容。

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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