matlab Patten的使用（重要）(Matlab处理字符串一)

原文连接：https://www.mathworks.com/help/releases/R2022b/matlab/ref/pattern.html?browser=F1help

能使用的搜索函数：

|----------------------------------------------------------------------------------------------------------------------|---------------|
| contains | 确定字符串中是否有模式 |
| matches | 确定模式是否与字符串匹配 |
| count | 计算字符串中模式的出现次数 |
| endsWith | 确定字符串是否以模式结尾 |
| startsWith | 确定字符串是否以模式开头 |

编辑文本函数：

|---------------------------------------------------------------------------------------------------------------------------------|----------------|
| extract | 从字符串中提取子字符串 |
| replace | 查找并替换一个或多个子字符串 |
| replaceBetween | 替换起点和终点之间的子字符串 |
| split | 在分隔符处拆分字符串 |
| erase | 删除字符串内的子字符串 |
| eraseBetween | 删除起点和终点之间的子字符串 |
| extractAfter | 提取指定位置后的子字符串 |
| extractBefore | 提取指定位置前的子字符串 |
| extractBetween | 提取起点和终点之间的子字符串 |
| insertAfter | 在指定的子字符串后插入字符串 |
| insertBefore | 在指定的子字符串前插入字符串 |

字符串匹配模式函数：

|------------------------------------------------------------------------------------------------------------------------------------|----------------|
| digitsPattern | 匹配数字字符 |
| lettersPattern | 匹配字母字符 |
| alphanumericsPattern | 匹配字母和数字字符 |
| characterListPattern | 匹配列表中的字符 |
| whitespacePattern | 匹配空白字符 |
| wildcardPattern | 匹配尽可能少的任意类型的字符 |

搜索规则模式：

|---------------------------------------------------------------------------------------------------------------------------------------------------|----------------|
| optionalPattern | 使模式匹配可选 |
| possessivePattern | 匹配模式而不回溯 |
| caseSensitivePattern | 以区分大小写的方式匹配模式 |
| caseInsensitivePattern | 以不区分大小写的方式匹配模式 |
| asFewOfPattern | 模式匹配次数尽可能少 |
| asManyOfPattern | 模式匹配次数尽可能多 |

边界模式的函数：

|---------------------------------------------------------------------------------------------------------------------------------------------------|-----------------------|
| alphanumericBoundary | 匹配字母数字字符与非字母数字字符之间的边界 |
| digitBoundary | 匹配数字字符和非数字字符之间的边界 |
| letterBoundary | 匹配字母字符和非字母字符之间的边界 |
| whitespaceBoundary | 匹配空白字符和非空白字符之间的边界 |
| lineBoundary | 匹配行首或行尾 |
| textBoundary | 匹配文本的开头或结尾 |
| lookAheadBoundary | 匹配指定模式之前的边界 |
| lookBehindBoundary | 匹配指定模式之后的边界 |

正则表达式模式：

|------------------------------------------------------------------------------------------------------------------------------|--------------|
| regexpPattern | 匹配指定正则表达式的模式 |

模式组织函数：

|------------------------------------------------------------------------------------------------------------------------------|-------------|
| maskedPattern | 具有指定显示名称的模式 |
| namedPattern | 指定命名模式 |

1、以 "R" 开头，后跟四位数的年份，然后是 "a" 或 "b"

复制代码

pat = "R" + digitsPattern(4) + ("a"|"b");

复制代码

str = ["String was introduced in R2016b." 
       "Pattern was added in R2020b."];
extract(str,pat)

复制代码

ans =
  2x1 string array
    "R2016b"
    "R2020b"

示例

使用模式搜索文本

lettersPattern 是一个典型的、匹配字母字符的字符匹配模式。创建匹配一个或多个字母字符的模式。

txt = ["This" "is a" "1x6" "string" "array" "."];
pat = lettersPattern;

使用 contains 确定在每个字符串中是否存在与 pat 匹配的字符。输出逻辑数组显示 txt 中的前五个字符串包含字母，但第六个字符串不包含字母。

contains(txt,pat)

复制代码

ans = 1x6 logical array

   1   1   1   1   1   0

确定文本是否以指定的模式开头。输出逻辑数组显示 txt 中的四个字符串以字母开头，但有两个字符串不是。

startsWith(txt,pat)

复制代码

ans = 1x6 logical array

   1   1   0   1   1   0

确定字符串是否完全匹配指定的模式。输出逻辑数组显示 txt 中的哪些字符串只包含字母。

matches(txt,pat)

复制代码

ans = 1x6 logical array

   1   0   0   1   1   0

对模式匹配的次数进行计数。输出数值数组显示 txt 的每个元素中匹配 lettersPattern 的次数。请注意，lettersPattern 匹配一个或多个字母，因此一组连续匹配的字母被视为一次匹配。

count(txt,pat)

复制代码

ans = 1×6

     1     2     1     1     1     0

使用模式编辑文本

digitsPattern 是一个典型的、匹配数字字符的字符匹配模式。创建一个匹配数字字符的模式。

txt = ["1 fish" "2 fish" "[1,0,0] fish" "[0,0,1] fish"];
pat = digitsPattern;

使用 replace 编辑与模式匹配的文本片段。

replace(txt,pat,"#")

复制代码

ans = 1x4 string
    "# fish"    "# fish"    "[#,#,#] fish"    "[#,#,#] fish"

通过在匹配的字母后插入 "!" 字符来创建新文本片段。

insertAfter(txt,pat,"!")

复制代码

ans = 1x4 string
    "1! fish"    "2! fish"    "[1!,0!,0!] fish"    "[0!,0!,1!] fish"

可以使用 OR 运算符 | 与文本来创建模式。擦除与指定模式匹配的文本。

txt = erase(txt,"," | "]" | "[")

复制代码

txt = 1x4 string
    "1 fish"    "2 fish"    "100 fish"    "001 fish"

从新文本中提取 pat。

extract(txt,pat)

复制代码

ans = 1x4 string
    "1"    "2"    "100"    "001"

对文本中的字符进行计数

使用模式对一段文本中出现的单个字符进行计数。

txt = "She sells sea shells by the sea shore.";

使用 alphanumericsPattern 将 pat 创建为与单个字母匹配的 pattern 对象。提取该模式。

pat = alphanumericsPattern(1);
letters = extract(txt,pat);

显示每个字母出现次数的直方图。

letters = lower(letters);
letters = categorical(letters);
histogram(letters)

显示复杂模式时隐藏细节

使用 maskedPattern 显示变量来代替复杂的模式表达式。

构建一个模式，该模式匹配由数字和算术运算符组成的简单算术表达式。

mathSymbols = asManyOfPattern(digitsPattern | characterListPattern("+-*/="),1)

复制代码

mathSymbols = pattern
  Matching:

    asManyOfPattern(digitsPattern | characterListPattern("+-*/="),1)

使用 mathSymbols 构建一个模式，该模式匹配在字符之间具有空白的算术表达式。

longExpressionPat = asManyOfPattern(mathSymbols + whitespacePattern) + mathSymbols

复制代码

longExpressionPat = pattern
  Matching:

    asManyOfPattern(asManyOfPattern(digitsPattern | characterListPattern("+-*/="),1) + whitespacePattern) + asManyOfPattern(digitsPattern | characterListPattern("+-*/="),1)

显示的模式表达式很长且难以阅读。使用 maskedPattern 显示变量名称 mathSymbols 来代替模式表达式。

Matlab 复制代码

mathSymbols = maskedPattern(mathSymbols);
shortExpressionPat = asManyOfPattern(mathSymbols + whitespacePattern) + mathSymbols

复制代码

shortExpressionPat = pattern
  Matching:

    asManyOfPattern(mathSymbols + whitespacePattern) + mathSymbols

  Show all details

创建一个包含一些算术表达式的字符串，然后从文本中提取模式。

Matlab 复制代码

txt = "What is the answer to 1 + 1? Oh, I know! 1 + 1 = 2!";
arithmetic = extract(txt,shortExpressionPat)

复制代码

arithmetic = 2x1 string
    "1 + 1"
    "1 + 1 = 2"

为复杂模式指定名称和说明

基于两个命名模式创建一个模式。命名模式为模式的显示添加上下文。

构建两个模式：一个模式匹配以字母 D 开头和结尾的单词，另一个模式匹配以字母 R 开头和结尾的单词。

Matlab 复制代码

dWordsPat = letterBoundary + caseInsensitivePattern("d" + lettersPattern + "d") + letterBoundary;
rWordsPat = letterBoundary + caseInsensitivePattern("r" + lettersPattern + "r") + letterBoundary;

使用命名模式构建一个模式，该模式查找以 D 开头和结尾的单词后跟以 R 开头和结尾的单词。

Matlab 复制代码

dAndRWordsPat = dWordsPat + whitespacePattern + rWordsPat

复制代码

dAndRWordsPat = pattern
  Matching:

    letterBoundary + caseInsensitivePattern("d" + lettersPattern + "d") + letterBoundary + whitespacePattern + letterBoundary + caseInsensitivePattern("r" + lettersPattern + "r") + letterBoundary

此模式难以阅读，也不能充分表示其目的。使用 namedPattern 将模式指定为显示指定名称和说明的命名模式以代替模式表达式。

Matlab 复制代码

dWordsPat = namedPattern(dWordsPat,"dWords", "Words that start and end with D");
rWordsPat = namedPattern(rWordsPat,"rWords", "Words that start and end with R");
dAndRWordsPat = dWordsPat + whitespacePattern + rWordsPat

复制代码

dAndRWordsPat = pattern
  Matching:

    dWords + whitespacePattern + rWords

  Using named patterns:

    dWords: Words that start and end with D
    rWords: Words that start and end with R

  Show more details

创建一个字符串并提取与模式匹配的文本。

Matlab 复制代码

txt = "Dad, look at the divided river!";
words = extract(txt,dAndRWordsPat)

复制代码

words = 
"divided river"

匹配电子邮件地址

构建易于阅读的模式来匹配电子邮件地址。

电子邮件地址遵循结构 username@domain.TLD ，其中 username 和 domain 由用句点分隔的标识符组成。构建一个模式，它匹配由字母数字字符和 "_" 字符的任意组合组成的标识符。使用 maskedPattern 将此模式命名为 identifier。

Matlab 复制代码

identifier = asManyOfPattern(alphanumericsPattern(1) | "_", 1);
identifier = maskedPattern(identifier);

构建模式以匹配由标识符组成的域和子域。创建一个匹配指定列表中的 TLD 的模式。

Matlab 复制代码

subdomain = asManyOfPattern(identifier + ".") + identifier;
domainName = namedPattern(identifier,"domainName");
tld = "com" | "org" | "gov" | "net" | "edu";

构建一个模式来匹配电子邮件的本地部分，它匹配一个或多个用句点分隔的标识符。通过组合先前定义的各模式构建一个模式，用于匹配域、TLD 和任何可能存在的子域。使用 namedPattern 将其中每个模式分配给一个命名模式。

Matlab 复制代码

username = asManyOfPattern(identifier + ".") + identifier;
domain = optionalPattern(namedPattern(subdomain) + ".") + ...
            domainName + "." + ...
            namedPattern(tld);

将所有模式组合成一个模式表达式。使用 namedPattern 将 username、domain 和 emailPattern 分配给命名模式。

Matlab 复制代码

emailAddress = namedPattern(username) + "@" + namedPattern(domain);
emailPattern = namedPattern(emailAddress)

复制代码

emailPattern = pattern
  Matching emailAddress:

    username + "@" + domain

  Using named patterns:

    emailAddress  : username + "@" + domain
      username    : asManyOfPattern(identifier + ".") + identifier
      domain      : optionalPattern(subdomain + ".") + domainName + "." + tld
        subdomain : asManyOfPattern(identifier + ".") + identifier
        domainName: identifier
        tld       : "com" | "org" | "gov" | "net" | "edu"

  Show all details

创建一个包含电子邮件地址的字符串，然后从文本中提取模式。

Matlab 复制代码

txt = "You can reach me by email at John.Smith@department.organization.org";
extract(txt,emailPattern)

复制代码

ans = 
"John.Smith@department.organization.org"

命名模式允许使用点索引以便访问命名子模式。使用点索引将特定值赋给命名模式 domain。

Matlab 复制代码

emailPattern.emailAddress.domain = "mathworks.com"

复制代码

emailPattern = pattern
  Matching emailAddress:

    username + "@" + domain

  Using named patterns:

    emailAddress: username + "@" + domain
      username  : asManyOfPattern(identifier + ".") + identifier
      domain    : "mathworks.com"

  Show all details

处理变量名称问题：

endsWith(str,lettersPattern|digitsPattern|'_')

>> pattern = '(?<![\w])BBBB';

>> replacement = 'AAAA';

>> outputStr = regexprep('LOP_BBBB=BBBB+qw;', pattern, replacement)

替换变量前一个是非字母数字下划线组成的