正则表达式(1)

 

  • 正则表达式的概念

  正则表达式是一个字符串,使用单个字符串来描述、用来定义匹配规则,匹配一系列符合某个句法规则的字符串。在开发中,正则表达式通常被用来检索、替换那些符合某个规则的文本

  • 正则表达式的匹配规则

字符类:[abc] 
 含义:代表的是字符a、b 或 c。 
 例如:匹配规则为”[abc]” ,那么需要匹配的内容就是字符a,或者字符b,或字符c的一个。

 
字符类:[^abc] 
 含义:代表的是除了 a、b 或 c以外的任何字符。 
 例如:匹配规则为”[^abc]”,那么需要匹配的内容就是不是字符a,或者不是字符b,或不是字符c的任意一个字符。 


字符类:[a-zA-Z] 
 含义:代表的是a 到 z 或 A 到 Z,两头的字母包括在内。 
 例如:匹配规则为”[a-zA-Z]”,那么需要匹配的是一个大写或者小写字母。

 
字符类:[0-9] 
 含义:代表的是 0到9数字,两头的数字包括在内。 
 例如:匹配规则为”[0-9]”,那么需要匹配的是一个数字。 


字符类:[a-zA-Z_0-9] 
 含义:代表的字母或者数字或者下划线(即单词字符)。 
 例如:匹配规则为” [a-zA-Z_0-9] “,那么需要匹配的是一个字母或者是一个数字或一个下滑线。

 
预定义字符类:. 
 含义:代表的是任何字符。 
 例如:匹配规则为” . “,那么需要匹配的是一个任意字符。如果,就想使用 . 的话,使用匹配规则”\.”来实现。

 
预定义字符类:\d 

 含义:代表的是 0到9数字,两头的数字包括在内,相当于[0-9]。 
 例如:匹配规则为”\d “,那么需要匹配的是一个数字。 


预定义字符类:\w 

 含义:代表的字母或者数字或者下划线(即单词字符),相当于[a-zA-Z_0-9]。 
 例如:匹配规则为”\w “,,那么需要匹配的是一个字母或者是一个数字或一个下滑线。 


数量词:X* 

 含义:代表的是X出现零次或多次。 
 例如:匹配规则为”a*” ,那么需要匹配的内容是多个字符a,或者一个a都没有。 


数量词:X+ 

 含义:代表的是X出现一次或多次。 
 例如:匹配规则为”a+”,那么需要匹配的内容是多个字符a,或者一个a。 


数量词:X{n} 

 含义:代表的是X出现恰好 n 次。 
 例如:匹配规则为”a{5}”,那么需要匹配的内容是5个字符a。

 
数量词:X{n,} 

 含义:代表的是X出现至少 n 次。 
 例如:匹配规则为”a{5, }”,那么需要匹配的内容是最少有5个字符a。 


数量词:X{n,m} 
 含义:代表的是X出现至少 n 次,但是不超过 m 次。 
 例如:匹配规则为”a{5,8}”,那么需要匹配的内容是有5个字符a 到 8个字符a之间。

  例:手机号码匹配 规则:"1[34578][0-9]{9}"

  该规则需要匹配的内容是:11位的手机号码,第1位为1,第2位为3、4、5、7、8中的一个,后面9位为0到9之间的任意数字。

  

  

转载于:https://www.cnblogs.com/Mhang/p/7434777.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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