正则表达式 (常用表达式)

本文介绍了多种实用的正则表达式应用场景,包括日期时间匹配、关键字提取、字符串操作等,帮助读者掌握正则表达式的实际应用技巧。

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

罗马数字 

          string p1 = "^m*(d?c{0,3}|c[dm])" + "(l?x{0,3}|x[lc])(v?i{0,3}|i[vx])$"; 
   
          string t1 = "vii"; 
   
          Match m1 = Regex.Match(t1, p1);
   
交换前二个单词 

         string t2 = "the quick brown fox"; 
   
    string p2 = @"(\S+)(\s+)(\S+)"; 
   
    Regex x2 = new Regex(p2); 
   
    string r2 = x2.Replace(t2, "$3$2$1", 1); 

   
关健字=值

         string t3 = "myval = 3"; 
   
    string p3 = @"(\w+)\s*=\s*(.*)\s*$"; 
   
    Match m3 = Regex.Match(t3, p3); 
   
实现每行80个字符

          string t4 = "********************" 
   
     + "******************************" 
   
     + "******************************"; 
   
    string p4 = ".{80,}"; 
   
    Match m4 = Regex.Match(t4, p4); 
   
月/日/年 小时:分:秒的时间格式

         string t5 = "01/01/01 16:10:01"; 
   
    string p5 = @"(\d+)/(\d+)/(\d+) (\d+):(\d+):(\d+)"; 
   
    Match m5 = Regex.Match(t5, p5); 
   
改变目录(仅适用于Windows平台)

        string t6 = @"C:\Documents and Settings\user1\Desktop\"; 
   
        string r6 = Regex.Replace(t6,@"\\user1\\", @"\\user2\\"); 
   
扩展16位转义符

         string t7 = "%41"; // capital A 
   
    string p7 = "%([0-9A-Fa-f][0-9A-Fa-f])"; 
   
    string r7 = Regex.Replace(t7, p7, HexConvert);
   
   
删除字符串中开始和结束处的空格

         string t9a = " leading"; 
   
    string p9a = @"^\s+"; 
   
    string r9a = Regex.Replace(t9a, p9a, ""); 
   
    string t9b = "trailing "; 
   
    string p9b = @"\s+$"; 
   
    string r9b = Regex.Replace(t9b, p9b, "");   
在字符\后添加字符n,使之成为真正的新行

         string t10 = @"\ntest\n"; 
   
    string r10 = Regex.Replace(t10, @"\\n", "\n");
   
转换IP地址

         string t11 = "55.54.53.52"; 
   
    string p11 = "^" + 
   
     @"([01]?\d\d|2[0-4]\d|25[0-5])\." + 
   
     @"([01]?\d\d|2[0-4]\d|25[0-5])\." + 
   
     @"([01]?\d\d|2[0-4]\d|25[0-5])\." + 
   
     @"([01]?\d\d|2[0-4]\d|25[0-5])" + 
   
     "$"; 
   
    Match m11 = Regex.Match(t11, p11);
   
删除文件名包含的路径

         string t12 = @"c:\file.txt"; 
   
    string p12 = @"^.*\\"; 
   
    string r12 = Regex.Replace(t12, p12, "");
   
联接多行字符串中的行

         string t13 = @"this is 
   
    a split line"; 
   
    string p13 = @"\s*\r?\n\s*"; 
   
    string r13 = Regex.Replace(t13, p13, " "); 
   
提取字符串中的所有数字 

        string t14 = @" 
   
    test 1 
   
    test 2.3 
   
    test 47 
   
    "; 
   
    string p14 = @"(\d+\.?\d*|\.\d+)"; 
   
    MatchCollection mc14 = Regex.Matches(t14, p14);   
找出所有的大写字母

string t15 = "This IS a Test OF ALL Caps"; 
   
    string p15 = @"(\b[^\Wa-z0-9_]+\b)"; 
   
    MatchCollection mc15 = Regex.Matches(t15, p15);
   
找出小写的单词

 string t16 = "This is A Test of lowercase"; 
   
    string p16 = @"(\b[^\WA-Z0-9_]+\b)"; 
   
    MatchCollection mc16 = Regex.Matches(t16, p16);


找出第一个字母为大写的单词

string t17 = "This is A Test of Initial Caps"; 
   
    string p17 = @"(\b[^\Wa-z0-9_][^\WA-Z0-9_]*\b)"; 
   
    MatchCollection mc17 = Regex.Matches(t17, p17); 
   
找出简单的HTML语言中的链接

string t18 = @" 
   
    <html> 
   
    <a href=""first.htm"">first tag text</a> 
   
    <a href=""next.htm"">next tag text</a> 
   
    </html> 
   
    "; 
   
    string p18 = @"<A[^>]*?HREF\s*=\s*[""']?" + @"([^'"" >]+?)[ '""]?>"; 
   
    MatchCollection mc18 = Regex.Matches(t18, p18, "si");

转载于:https://www.cnblogs.com/Miton/archive/2011/07/25/2116218.html

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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