Java基础之正则表达式

正则表达式

话不多说,先看示例:

 ^[0-9] +abc$
  1. ^为匹配输入字符串的开始位置。
  2. [0-9]+匹配多个数字,[0-9]匹配单个数字,+匹配一个或多个。
  3. abc$匹配字母abc,并以abc结尾,$为匹配输入字符串的结束位置。

正则表达式用途很广泛,比如:身份证号验证、地址判断等等。若要熟练使用正则表达式,就要了解其基本语法,下面,我们先介绍其常用的字符。

特殊字符:

在这里插入图片描述
注意:
*匹配前面的子表达式0次或多次
+匹配前面的子表达式1次或多次
匹配前面的子表达式0次或1次
.匹配出换行符之外的任何单字符

例如:

  • ho* 能匹配 “h” 以及 “hoo”。* 等价于{0,}。
  • ho+能匹配"ho"以及"hoo",但不能匹配"h",+ 等价于 {1,}。
  • he(llo)?" 可以匹配 “he” 、 “hello” 中的 “hello” 、 “head” 中的 “he” 。? 等价于 {0,1}。

通过在 *、+ 或 ? 限定符之后放置 ?,该表达式从"贪婪"表达式转换为"非贪婪"表达式或者最小匹配。

在这里插入图片描述
在这里插入图片描述
[a-z] //匹配所有的小写字母

[A-Z] //匹配所有的大写字母

[a-zA-Z] //匹配所有的字母

[0-9] //匹配所有的数字

[0-9.-] //匹配所有的数字,句号和减号

[ \f\r\t\n] //匹配所有的白字符

  • 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