字符串方法总结

字符串获取:

  • var str= ‘hello’;  str[1]   //e(通过[index]获取对应位置的字符)
  • str.charAt(3)  //o  (通过函数charAt(index)获取对应位置的字符)
  • str.charCodeAt(3) //108  (通过str.charCodeAt(index)获取对应字符的字符编码)

字符串查找:

  • indexOf(substr, start)—返回第一次出现的位置。var str='hello world'; console.log(str.indexOf(‘world’))  //6
  • lastIndexOf(substr, start)—从后向前查找,返回第一个匹配字符串在原字符串中的索引没找到,返回-1.
  • search(str)—-var str='hello world'; console.log(str.search(‘hello’))  //0
  • match(str)—-如果找到,返回一个数组,找不到,返回null。eg. var str='hello world'; console.log(str.match(‘hello’))           //[“hello”, index: 0, input: "hello world"]

字符串替换:

  • replace(srcStr, tarStr)  替换字符串中的子字符串
  • srcStr:将要被替换掉的字符串
  • tarStr:将要用这个字符串将srcStr替换掉
  • 替换成功,返回替换后的结果,否则返回原字符串。
  • var str='abc';  console.log(str.replace(‘a’,’m'))         //mbc

字符串截取:

  • substring(start,end) —end表示子字符串在原串中的结束位置.(子串不包含end) 注意:start>end                        e.g.  var str='hello world'; console.log(str.substring(2,3))  // l
  • substr(start,count)—count表示截取子串的个数。var str='hello world'; console.log(str.substr(2,3)) //  llo
  • slice(start,end)—同substring一样.  start>=end,返回空串

字符串分割:

  • split(separator, limit) 把一个字符串分割成字符串数组。
  • separator:可选,分隔符,即在字符串中查找分割符,并将字符串分割。separator支持正则表达式。
  • limit:可选,该参数可指定返回的数组的最大长度。
  • e.g.  var str="How are you doing today?”;               var n=str.split(" ",3);                                console.log(n);     //  [“How”, "are", "you"]

大小写转换:

  • toLowerCase()  、toUpperCase()  将字符串全部转换为小或大写字母
  • eg. var str = 'ABC'; console.log(str.toLowerCase());
  • toLocalLowerCase()、toLocalUpperCase()  同样作用

 

转载于:https://www.cnblogs.com/Super-scarlett/p/8251623.html

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