DAY23:正则表达式

一.正则表达式

*用于对字符串进行匹配,验证或者截取

*正则表达式定义了字符串的模式。

*正则表达式可以用来搜索、编辑或处理文本。

*正则表达式并不仅限于某一种语言,但是在每种语言中有细微的差别。

二.Java中正则表达式常用的三个类

Pattern 类:

pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象,你必须首先调用其公共静态编译方法,它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数。

matches(String regex, CharSequence input) 编译给定正则表达式并尝试将给定输入与其匹配。

Matcher 类:

Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与Pattern 类一样,Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。

find() 尝试查找与该模式匹配的输入序列的下一个子序列。
lookingAt()尝试将从区域开头开始的输入序列与该模式匹配。
lookingAt()尝试将从区域开头开始的输入序列与该模式匹配。
groupCount()返回此匹配器模式中的捕获组数。

PatternSyntaxException:

PatternSyntaxException 是一个非强制异常类,它表示一个正则表达式模式中的语法错误。

示例代码:

package com.day23;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

 *图片的参考正则:
 *<img[\\s\\S]{0,200}alt=\"([^\"]{0,50})\"[\\s\\S]{0,200}src=\"([^\"]{1,200})\"
 */
public class RegexBase {
	public static void main(String[] args) {
        demo1();
		demo2();
	}
	public static void demo1(){
		String regex = "[a-zA-Z][\\w-]{5,7}";
		String str = "A45646*4";
		System.out.println(Pattern.matches(regex, str));
	}
	public static void demo2(){
		String regex = "^(0\\d{2,3}-)?\\d{7,8}$";
		String str = "028-58965599dhaiudya8d7ada89585555jdaoihda0698-4567894";
		//获得正则表达式的管理对象
		Pattern pa = Pattern.compile(regex);
		//传入字符串,获取正则与字符串的匹配引擎
		Matcher ma = pa.matcher(str);
		//查找符合要求的字符串
		while(ma.find()){
			System.out.println(ma.group());//0返回匹配到的整个字符串  1之后,分别返回第一个及之后的括号内匹配的内容
			System.out.println(ma.groupCount());//返回表达式中括号的个数
		}
		System.out.println(ma.lookingAt());
		//System.out.println(ma.group());
	}
}

详细教程:正则表达式教程

  • 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