NLP学习(正则化)

学习自 Speech and language processing 3rd ed
https://web.stanford.edu/~jurafsky/slp3/

注：以下双斜线中间的都表示匹配模式 /*/

1.基础正则表达式模式

输入你想要匹配的字符

注意：正则表达式是大小写敏感的，若现在想匹配W或w，可以使用 /[Ww]/ 做匹配
方括号[]中间的内容只要匹配其中的一个就算匹配成功

若觉得此处的/[1234567890]/过于麻烦，可以简化为/[0-9]/，就是在中间加一短横，同样，所有的大写字母可以简化成/[A-Z]/

那如果我们想要匹配的是 非大写字母 呢，我们可以在中括号最前面加一个^符号，比如/[^A-Z]/ 就表示不匹配所有的大写字母，如果，^符号在匹配段的中间的话，^表示自己本身，见下图

注意：在匹配没有方括号[]表示的模式时，就是匹配该模式本身，^表示的是自己本身，而不是表示非，再者，若^在[]里面，但不是在开头，^也表示自己本身

若我们想匹配 woodchuck和woodchucks，怎么办呢？我们可以使用 ?， ？表示之前的一个字符由零个或者一个，见下图

那么，如果我们想匹配如下字符：
baa!
baaa!
baaaa!
baaaaa!
…

我们可以使用星号 * ，表示之前的一个字符有零个或者多个，因此，若我们要表示连续一个或多个a，我们就要使用 /aa*/ 的方式匹配，为什么不能用a*来匹配呢？这样有时会十分不方便，于是我们就有了另外一个符号 加号+ ，加号+表示一个或多个
现在，若我们想匹配上面的那段字符，可以使用/baaa*!/ 或者 /baa+!/ 进行匹配

另外一个重要的符号是 点号 . ，点号是一个通配符，表示任何单个字符（除了回车符），见下图

那么，现在，我们可以将点号和星号联合起来，表示任意长度的任意符号串了，
比如，我们想要匹配开头和结尾都是www的行，我们可以用 /www.*www/

锚（anchor）

又轮到 ^登场了，^可以匹配句子开头，比如我们要找以 The 开头的句子，使用 /^The/ 进行匹配，另一个anchor美元符号 ，这个表示句子的结