精华内容
下载资源
问答
  • 正则-匹配多个单词

    千次阅读 2019-10-14 20:17:51
    匹配多个单词 \b(State of Formation|Jurisdiction)\b:[\d\D]*?<strong>([\d\D]*?)</strong>
    匹配多个单词

    \b(State of Formation|Jurisdiction)\b:[\d\D]?([\d\D]?)

    多个空格合一

    String cleanValue = ((String) value).trim().replaceAll("\s{1,}", " ");


    0宽断言

    零宽断言,大多地方这样定义它,用于查找在某些内容(但并不包括这些内容)之前或之后的东西,也就是说它们像 \b ^ $ < > 这样的锚定作用,用于指定一个位置,这个位置应该满足一定的条件(即断言),因此它们也被称为零宽断言。我的理解是在一个限定位置的字符串之前或之后进行匹配查找。

    举例:

    [ INFO  ] [2019-10-21 20:16:43,055] [kafka-concurr-31] c.c.w.O.b.e.QYYDL2EtlPlugin content:{"detail.json":{"comType":"Società a responsabilità limitata","regNumber":"01490030069","extactType":"config","name":"(main name)","regID":"RI","EUID":"ITRI.01490030069","regOffice":"Registro delle imprese, 10129 TORINO, RI Italy"},"otherData":{"policyId":"QYYDL2","uniqueKey":"QYYDL2_01490030069","url":"https://e-justice.europa.eu/searchBris.do","downloadTime":"2019-10-15 09:28:52"},"info.txt":{"criteriaId":"01490030069","extactType":"config","downloadUrl":"https://e-justice.europa.eu/searchBris.do","PolicyId":"QYYDL2","url":"https://e-justice.europa.eu/searchBris.do","downloadTime":"2019-10-15 09:28:53"}}
    

    cat xxx | grep -Po “(?=“uniqueKey”).*(?=info)” | grep -Po "(?=“uniqueKey”).(?=url)"
    解释: (?=“uniqueKey”).
    (?=info)
    用于指定uniqueKey位置 和 info 位置之间的数据


    grep 提取数据
    -P : --perl-regexp         PATTERN is a Perl regular expression [是perl的表达式]
    -o :--only-matching       show only the part of a line matching PATTERN[仅显示匹配到的部分数据]
    
    grep -Po "(?=resultCode:).*(?=})"
    
    展开全文
  • “\b”是正则表达式的一个元字符(Metacharacter),代表着单词的开头或结尾,也就是单词的分界处。...匹配多个单词: \b(a|strong|img)\b 实例: import re result = "hello world." if ...

    实例:

    import re
    
    result = "hello world."
    if re.search("hello|dog|cat", result):
        print("ok")

     

     

    展开全文
  • chrome上这样的一标签: 在firefox上会变成这样: 最开始的正则规则是简单粗暴的方式: String rex = " src=\"1.jpg\"\\stitle=\"\\S+\"\\s+class=\"emoji\\s+emoji\\w+\">"; 在firefox上彻底失败了 ...

    【问题】做表情抽取的时候发现标签里面的属性在不同浏览器下顺序不尽相同,比如:

    chrome上这样的一个标签:<img src="1.jpg" title="hello" class="emoji emoji=12345">

    在firefox上会变成这样:<img title="hello" class="emoji emoji=12345" src="1.jpg">

    最开始的正则规则是简单粗暴的方式:

    String rex = "<img src=\"1.jpg\"\\stitle=\"\\S+\"\\s+class=\"emoji\\s+emoji\\w+\">";

    在firefox上彻底失败了

    【解决】

    解决这个问题的核心问题在于:能够匹配任意位置出现特定的字符串

    stack overflow上好不容易找到了一个方法http://stackoverflow.com/questions/26041258/java-regex-looking-a-combination-of-words-in-any-order

    借鉴这个方法写出了下面的正则

    String rex = "(?!<img)\\s+(?=.*title=\"\\S+\")(?=.*class=\"emoji\\s+emoji\\w+\")(?=.*src=\"1.jpg\")(?!>)";

    展开全文
  • 正则匹配

    千次阅读 2013-08-06 09:54:27
    正则匹配模式 匹配模式指得是正则表达式引擎将以何种模式匹配字符串。 模式名称 启用,禁用 缺省启用 说明 UNIX_LINES (?d)启用,(?-d)禁用 是 启用Unix行模式。 在此模式下,只有 '\n'被认为...
    正则匹配模式
    匹配模式指得是正则表达式引擎将以何种模式匹配字符串。

    模式名称
    启用,禁用
    缺省启用
    说明
    UNIX_LINES
    (?d)启用,(?-d)禁用

    启用Unix行模式。
    在此模式下,只有 '\n'被认为是行结束符。它会影响.^, 和 $ 的行为。

    CASE_INSENSITIVE
    (?i)启用,(?-i)禁用

    启用忽略大小写模式。
    缺省时,忽略大小写模式只会影响 ASCII字符的匹配。 而Unicode范围的忽略大小写匹配需要通过 UNICODE_CASE 标志与本标志联合使用。
    启用此模式会影响匹配性能

    COMMENTS
    (?x)启用,(?-x)禁用

    允许空格和注释出现在正则表达式中。
    在此模式下,空格被忽略,以#开始的单行注释被忽略。 
    MULTILINE
    (?m)启用,(?-m)禁用

    启用多行模式。
    In multiline mode the expressions ^ and $ match just after or just before, respectively, a line terminator or the end of the input sequence. By default these expressions only match at the beginning and the end of the entire input sequence. 

    DOTALL
    (?s)启用,(?-s)禁用

    让.可以匹配行结束符。
    在此模式下,元字符.可以匹配行结束符。缺省不允许如此匹配。


    UNICODE_CASE
    (?u)启用,(?-u)禁用

    Enables Unicode-aware case folding.
    When this flag is specified then case-insensitive matching, when enabled by theCASE_INSENSITIVE flag, is done in a manner consistent with the Unicode Standard. By default, case-insensitive matching assumes that only characters in the US-ASCII charset are being matched. 启用此模式会影响性能。

    CANON_EQ
    (?c)启用,(?-c)禁用

    Enables canonical equivalence.
    When this flag is specified then two characters will be considered to match if, and only if, their full canonical decompositions match. The expression "a\u030A", for example, will match the string"?" when this flag is specified. By default, matching does not take canonical equivalence into account. 
    启用此模式会影响性能。



    字符子集  字符子集可以含有别的字符子集,并且可以通过联合操作符(缺省)和交集操作符(&&)实现组合。联合操作符表示某个子集匹配它的子子集所匹配的任意字符。交集操作符表明某个字符子集只匹配它的子子集都匹配的字符。
      字符子集所能够有的操作符的优先级如下,从高到低:
    转义符\x
    成组符 [...]
    区间符 a-z
    联合符 [a-e][i-u]
    交集符 [a-z&&[aeiou]]
      注意:在字符子集[]内部的语法根本不同于正则表达式其它部分中的语法。例如,在字符子集内部,正则表达式 . 失去了它原有的含义,而是成了一个匹配.的元字符。 

    行结束符  行结束符是一个或两个字符序列,用以表明输入字符序列中一行的结束。下面的字符被认为是行结束符:
    一个换行符('\n')。
    一个回车符加上一个换行符("\r\n")。
    一个单独的回车符('\r')。
    代表下一行的字符('\u0085')。
    行分隔符('\u2028'),Unicode中被定义。
    一个分段符('\u2029),Unicode中被定义。
      如果 UNIX_LINES 模式被启用,则只有换行符被认为是行结束符。
      如果 MULTILINE 模式被启用,。

    分组和引用  字符分组以它们的左括号的出现顺序来排序。例如在表达式((A)(B(C))),有四个分组:
    ((A)(B(C)))
    (A)
    (B(C))
    (C)
      第0组永远表示表达式本身。
      分组采用这样的命名方式,是因为,在一次匹配过程中,正则表达式会被匹配多次。以前的匹配子序列有可能在将来被使用;或者在匹配结束时,程序有可能需要重新获得所有匹配的子字符序列。
      对于正则表达式中的某个分组而言,永远只保留最后匹配的字符序列。如果对某个分组匹配尝试失败,则会保留上次匹配成功的字符序列。例如,对于正则表达式(a(b)?)+而言,字符序列"aba",将会让分组2匹配的字符序列为"b"。
      以(?开始的分组,将不会计入分组数目,也不会被后续匹配所引用。

    Unicode支持  本正则表达式匹配引擎的实现遵循了《Unicode技术报告:Unicode正则表达式指南》,实现了该指南的第二层所需的功能,但是在细微处有一些简单语法修改。
      Unicode块(Block)和分类(Category)通过\p和\P通配苻表示。\p{prop}匹配含有prop的输入序列,而\P{prop}匹配不含有prop的输入序列。Unicode块通过前缀In表示,如\p{InMongolian}。Unicode分类通过可选的前缀Is表示,因此\p{L}和\p{IsL}都代表Unicode分类 letters。Unicode块和分类都可以在正则表达式子集外部和内部使用。
      目前支持的Unicode块和分类是《Unicode标准,第三版》中所指定的块和分类。 Unicode块名称在《Unicode 字符数据库》的第14章被定义,文件名称叫Blocks-3.txt,但是名称中的空格被去掉了。例如"Basic Latin"成了"BasicLatin"。无论是标准化的还是非标准化的分类,都在该标准的第88页的第4-5表中被全部定义。

    与Perl 5正则表达式语法对比 [TBD]

    正则表达式参考
    字符
    正则表达式字符串
    匹配的字符串
    X
    字符X,包括 CJK ExtB 区汉字
    \\
    反斜杠\
    \0n 八进制0n代表的字符(0<=n<=7)
    \0nn
    八进制0nn代表的字符(0<=n<=7)
    \0mnn
    八进制0mnn代表的字符(0<=m<=3,0<=n<=7)
    \xhh
    十六进制 0xhh所代表的字符
    \uhhhh
    十六进制 0xhhhh所代表的字符。注意,目前尚不支持CJK ExtB区汉字。
    \t
    制表符('\u0009')
    \n
    换行('\u000A')
    \r
    回车('\u000D')
    \a
    响铃符('\u0007')
    \e
    取消符Escape('\001B')
    \cx
    x所代表的控制字符

    逻辑操作符
    正则表达式字符串
    匹配的字符串
    XY
    X后面跟随Y
    X|Y
    X或者Y
    (X)
    X作为分组表达式

    向后引用
    正则表达式字符串
    匹配的字符串
    \n
    n个匹配的分组

    边界元字符
    边界字符
    匹配的字符串
    ^
    行首
    $
    行末
    \b 字符边界
    \B
    非字符边界
    \A
    输入流的开始
    \G
    上次匹配的结束处
    \Z
    输入流的结束,或者是最后一个行结束符,参见[url=file:///D:/source/jtextpro/src/dist/jtextpro/docs/regexp.html#man_line_terminator]行结束符[/url]。
    \z
    输入流的结束

    重复指示符
    正则表达式字符串
    匹配的字符串
    X?
    X重复一次,或者不重复
    X*
    X重复0次或多次
    X
    X重复1次或多次
    X{n}
    X重复n次,不多也不少。
    X{n,}
    X至少重复n次
    X{n,m}
    X至少重复n次,至多重复m次。
    注:X{n,m}、?、*、+方式可以联合使用。

    字符子集
    正则表达式字符串子集
    匹配的字符串
    组合方式
    [abc]
    字符a,b或c,包括 CJK ExtB 区汉字
    简单子集
    [^abc]
    任意非a,b或c的字符。
    排除
    [a-zA-Z] 从a到z,或者A到Z,包含a,z,A,Z。
    区间
    [a-d[m-p]]
    从a到d,或者m到p,等于[a-dm-p]。
    联合
    [a-z&&[def]]
    d,e或者f。
    交集
    [a-z&&[^bc]]
    从a到z,除了b和c,等于[ad-z]
    扣除
    [a-z&&[^m-p]]
    从a到z,并且不包括从m到p,等于[a-lq-z]
    扣除

    预定义子集(元字符)
    边界字符
    匹配的字符串
    .
    任意字符,可能匹配行结束符。
    \d
    数字[0-9]
    \D 非数字[^0-9]
    \s
    空白符[ \t\n\x0B\f\r]
    \S
    非空白符[^\s]
    \w
    单词符,包含有字母和数字[a-zA-Z_0-9]
    \W
    非单词符,不包含有字母和数字。

    扩展子集(元字符)
    正则表达式字符串
    匹配的字符串




    扩展中文子集(元字符)
    名称
    块名称(\p{InXXX})
    简化通配符
    标准Unicode块,或者汉字列表
    任意双字节字符(汉字或全角符号)
    \p{InQuqnJiao}
    \E
    任意由GBK表示的汉字,不包括GB18030扩展部分,
    以及CJK ExtB区的汉字。
    任意单字节字符
    \p{InFQuanJiao}
    \~E
    任意单字节字符。
    任意全角ASCII字符
    \p{InQJAscii}
    \H
    标准HalfwidthandFullwidthForms块
    任意收录在BIG5码集中的双字节字符
    \p{InBig5}
    \I
    Big5可编码双字节字符
    匹配未收录在BIG5码集中的双字节字符 \p{InFBig5}
    \~I
    非Big5可编码双字节字符
    匹配任意汉字(不包括符号)
    \p{InHanziOrCJKExtB}
    \X
    任意汉字,包括GB18030扩展部分。
    匹配任意汉字(不包括符号)
    \p{InHanzi}
    \M
    任意汉字,不包括GB18030扩展部分。
    匹配非汉字的双字节字符
    \p{InFHanzi}
    \~M
    任意非汉字的双字节字符,
    包括GB18030扩展部分。
    地支字符
    \p{InDiZhi}
    \U
    子丑寅卯辰巳午未申酉戌亥
    匹配收录在GB码集中的双字节字符
    \p{InGB}
    \g
    收录在GB码集中的双字节字符,
    不包括GB18030扩展部分。
    匹配非收录在GB码集中的双字节字符
    \p{InFGB}
    \~g
    未收录在GB码集中的双字节字符,
    不包括GB18030扩展部分。
    匹配收录在GBK码集中的双字节字符
    \p{InGBK}
    \h
    收录在GBK码集中的双字节字符,
    不包括GB18030扩展部分。
    匹配非收录在GBK码集中的双字节字符
    \p{InFGBK}
    \~h
    未收录在GBK码集中的双字节字符,
    不包括GB18030扩展部分。
    大写希腊字母
    \p{InDaXila}
    \K
    ΑΒΓΔΕΖΗΘΙΚΛΜΝ
    ΞΟΠΡΣΤΥΦΧΨΩ
    日文片假名
    \p{InPianJia}
    \j
    标准Katakana块
    日文平假名
    \p{InPingJia}
    \J
    标准Hiragana块
    小写希腊字母
    \p{InXiaoXila}
    \k
    αβγδεζηθικλμν
    ξοπρστυφχψω
    数学符号
    \p{InMathe}
    \m
    ±×÷∶∧∨∑∏∪∩∈∷√⊥∥∠⌒⊙
    ∫∮≡≌≈∽∝≠≮≯≤≥∞∵∴
    中文数字
    \p{InCnDigit}
    \i
    〇一二三四五六七八九十百千万亿兆吉京
    大写中文数字
    \p{InDaCnDigit}
    \N
    零壹贰叁肆伍陆柒捌玖拾佰仟萬亿兆吉京
    全角标点符号
    \p{InQJBiaoDian}
    \o
    、。·ˉˇ¨〃々—~‖…‘’“”〔〕
    〈〉《》「」『』〖〗【】!"'(),
    -.:;<=>?[]{|}`﹉﹊﹋﹌﹍﹎﹏﹐﹑﹒﹔﹕﹖﹗﹙﹚
    ﹛﹜﹝﹞︵︶︹︺︿﹀︽︾﹁﹂﹃﹄
    ︻︼︷︸︱︳︴
    小写俄文字
    \p{InXiaoEWen}
    \l
    абвгдеёжзийклмн
    опрстуфхцчшщъыьэюя
    大写俄文字母
    \p{InDaEWen}
    \R
    АБВГДЕЁЖЗИЙКЛМНО
    ПРСТУФХЦЧШЩЪЫЬЭЮЯ
    中文序号
    \p{InCnSN}
    \q
    ⅠⅡⅢⅣⅤⅥⅦⅧⅨⅩⅪⅫ
    ⅰⅱⅲⅳⅴⅵⅶⅷⅸⅹ
    再加上Unicode标准EnclosedAlphanumerics块
    天干字符
    \p{InTianGan}
    \T
    甲乙丙丁戊己庚辛壬癸
    竖排标点符号
    \p{InSPBiaoDian}
    \V
    ︵︶︹︺︿﹀︽︾﹁﹂﹃﹄︻︼︷︸︱︳︴
    拼音字符
    \p{InPinyin}
    \y
    āáǎàēéěèīíǐìōóǒòūúǔùǖǘǚǜüêɑńňɡ
    GBK -> 0xA8A1- 0xA8C0
    只是Unicode标准LatinExtended-A块的一部分。
    注音字符
    \p{InZhuyin}
    \Y
    标准Bopomofo块
    制表字符
    \p{InZhiBiao}
    \C
    标准BoxDrawing块。
    经检查发现 textpro 的算法含有部分非标
    准Unicode制表符:“∟∣≒≦≧⊿═”。

    POSIX字符子集(只适用于ASCII)
    正则表达式字符串
    匹配的字符串
    \p{Lower}
    小写字母[a-z]
    \p{Upper}
    大写字母[A-Z]
    \p{ASCII}
    所有的ASCII字符[\x00-\x7F]
    \p{Alpha}
    大小写字母[\p{Lower}\p{Upper}]
    \p{Digit}
    数字[0-9]
    \p{Alnum}
    字母数字符,包含大小写字母和数字[\p{Alpha}\p{Digit}]
    \p{Punct}
    标点符号,!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~之一。
    \p{Graph}
    可显示字符[\p{Alnum}\p{Punct}]
    \p{Print}
    可打印字符[\p{Graph}]
    \p{Blank}
    空格或者制表符[ \t]
    \p{Cntrl}
    控制字符[\x00-\x1F\x7F
    \p{XDigit}
    十六进制数字[0-9a-fA-F]
    \p{Space}
    空白符[ \t\n\x0B\f\r]

    Unicode块和分类

    中文名称(摘自Word XP)
    代码区域
    BasicLatin
    基本拉丁语
    \u0000-\u007F
    Latin-1Supplement
    拉丁语-1
    \u0080-\u00FF
    LatinExtended-A
    拉丁语扩充-A
    \u0100-\u017F
    LatinExtended-Bound
    拉丁语扩充-B
    \u0180-\u024F
    IPAExtensions
    国际音标扩充
    \u0250-\u02AF
    SpacingModifierLetters
    进格的修饰字符
    \u02B0-\u02FF
    CombiningDiacriticalMarks
    组合用发音符
    \u0300-\u036F
    Greek
    基本希腊语
    \u0370-\u03FF
    Cyrillic
    西里尔语
    \u0400-\u04FF
    Armenian

    \u0530-\u058F
    Hebrew

    \u0590-\u05FF
    Arabic

    \u0600-\u06FF
    Syriac

    \u0700-\u074F
    Thaana

    \u0780-\u07BF
    Devanagari

    \u0900-\u097F
    Bengali

    \u0980-\u09FF
    Gurmukhi

    \u0A00-\u0A7F
    Gujarati

    \u0A80-\u0AFF
    Oriya

    \u0B00-\u0B7F
    Tamil

    \u0B80-\u0BFF
    Telugu

    \u0C00-\u0C7F
    Kannada

    \u0C80-\u0CFF
    Malayalam

    \u0D00-\u0D7F
    Sinhala

    \u0D800-\uDFF
    Thai

    \u0E00-\u0E7F
    Lao

    \u0E80-\u0EFF
    Tibetan
    藏语
    \u0F00-\u0FFF
    Myanmar

    \u1000-\u109F
    Georgian

    \u10A0-\u10FF
    HangulJamo

    \u1100-\u11FF
    Ethiopic

    \u1200-\u137F
    Cherokee

    \u13A0-\u13FF
    UnifiedCanadianAboriginalSyllabics

    \u1400-\u167F
    Ogham

    \u1680-\u169F
    Runic

    \u16A0-\u16FF
    Khmer

    \u1780-\u17FF
    Mongolian
    蒙古语
    \u1800-\u18AF
    LatinExtendedAdditional

    \u1E00-\u1EFF
    GreekExtended

    \u1F00-\u1FFF
    GeneralPunctuation
    广义标点
    \u2000-\u206F
    SuperscriptsandSubscripts

    \u2070-\u209F
    CurrencySymbols
    货币符号
    \u20A0-\u20CF
    CombiningMarksforSymbols

    \u20D0-\u20FF
    LetterlikeSymbols
    类似字母的符号
    \u2100-\u214F
    NumberForms
    数字形式
    \u2150-\u218F
    Arrows
    箭头
    \u2190-\u21FF
    MathematicalOperators
    数学运算符
    \u2200-\u22FF
    MiscellaneousTechnical
    零杂技术用符号
    \u2300-\u23FF
    ControlPictures

    \u2400-\u243F
    OpticalCharacterRecognition

    \u2440-\u245F
    EnclosedAlphanumerics
    带括号的字母数字
    \u2460-\u24FF
    BoxDrawing
    制表符
    \u2500-\u257F
    BlockElements
    方块图形
    \u2580-\u259F
    GeometricShapes
    几何图形
    \u25A0-\u25FF
    MiscellaneousSymbols
    零杂丁贝符(示意符等)
    \u2600-\u26FF
    Dingbats

    \u2700-\u27BF
    BraillePatterns

    \u2800-\u28FF
    CJKRadicalsSupplement

    \u2E80-\u2EFF
    KangxiRadicals

    \u2F00-\u2FDF
    IdeographicDescriptionCharacters

    \u2FF0-\u2FFF
    CJKSymbolsandPunctuation
    CJK符号和标点
    \u3000-\u303F
    Hiragana
    平假名
    \u3040-\u309F
    Katakana
    片假名
    \u30A0-\u30FF
    Bopomofo
    注音
    \u3100-\u312F
    HangulCompatibilityJamo

    \u3130-\u318F
    Kanbun

    \u3190-\u319F
    BopomofoExtended
    扩展注音
    \u31A0-\u31BF
    EnclosedCJKLettersandMonths
    带括号的CJK字母及月份
    \u3200-\u32FF
    CJKCompatibility
    CJK兼容字符
    \u3300-\u33FF 
    CJKUnifiedIdeographsExtensionA
    CJK统一汉字扩展-A
    \u3400-\u4dBF
    CJKUnifiedIdeographs
    CJK统一汉字
    \u4E00-\u9fAF
    YiSyllables

    \uA000-\uA48F
    YiRadicals

    \uA490-\uA4CF
    HangulSyllables

    \uAC00-\uD7A3
    HighSurrogates

    \uD800-\uDB7F
    HighPrivateUseSurrogates

    \uDB80-\uDBFF
    LowSurrogates

    \uDC00-\uDFFF
    PrivateUse
    专用区
    \uE000-\uF8FF
    CJKCompatibilityIdeographs
    CJK兼容汉字
    \uF900-\uFAFF
    AlphabeticPresentationForms

    \uFB00-\uFB4F
    ArabicPresentationForms-A

    \uFB50-\uFDFF
    CombiningHalfMarks

    \uFE20-\uFE2F
    CJKCompatibilityForms
    CJK兼容形式
    \uFE30-\uFE4F
    SmallFormVariants
    小写变体
    \uFE50-\uFE6F
    ArabicPresentationForms-Bound

    \uFE70-\ufeFF
    Specials

    \uFFF0-\uFFFF
    HalfwidthandFullwidthForms
    半形及全形字符
    \uFF00-\uFFEF


    分类
    全称
    说明
    Cn

    UNASSIGNED
    Lu

    UPPERCASE_LETTER
    Ll

    LOWERCASE_LETTER
    Lt

    TITLECASE_LETTER
    Lm

    MODIFIER_LETTER
    Lo

    OTHER_LETTER
    Mn

    NON_SPACING_MARK
    Me

    ENCLOSING_MARK
    Mc

    COMBINING_SPACING_MARK
    Nd

    DECIMAL_DIGIT_NUMBER
    Nl

    LETTER_NUMBER
    No

    OTHER_NUMBER
    Zs

    SPACE_SEPARATOR
    Zl

    LINE_SEPARATOR
    Zp

    PARAGRAPH_SEPARATOR
    Cc

    CNTRL
    Cf

    FORMAT
    Co

    PRIVATE_USE
    Cs

    SURROGATE
    Pd

    DASH_PUNCTUATION
    Ps

    START_PUNCTUATION
    Pe

    END_PUNCTUATION
    Pc

    CONNECTOR_PUNCTUATION
    Po

    OTHER_PUNCTUATION
    Sm

    MATH_SYMBOL
    Sc

    CURRENCY_SYMBOL
    Sk

    MODIFIER_SYMBOL
    So

    OTHER_SYMBOL
    L

    LETTER
    M

    MARK
    N

    NUMBER
    Z

    SEPARATOR
    C

    CONTROL
    P

    PUNCTUATION
    S

    SYMBOL
    LD

    LETTER_OR_DIGIT
    L1

    Latin-1
    all

    ALL
    ASCII

    ASCII
    Alnum

    字母数字(0-9,a-z,A-Z)
    Alpha

    字母(a-z,A-Z)
    Blank

    空格和制表符(' '|\t)
    Cntrl

    控制字符,不可打印
    Digit

    数字(0-9)
    Graph

    可打印且可视字母(例如空格' '是可打印的但不是可视字母,而 `a' 两者都是。)
    Lower

    小写字母
    Print

    可打印字母(非控制字符)
    Punct

    标符号(字母、数字、控制、空白符以外的字母),如:!@#$%}{<>,./?[]等等。
    Space

    空白符(' ',\t,0x09,0x0A,0x0B,0x0C,0x0D,0x20)
    Upper

    大写字母
    XDigit

    十六进制数字(0-9,a-f, A-F)




    替换表达式特殊字符
    特殊字符介绍
    描述
    \n
    换行
    \b
    向前删除一个字符。当这个字符位于替换串之首时,将删除匹配串之前的一个字符。若匹配串位于行首,将使匹配串所在行与前一行相合并。
    \d
    向后删除一个字符。当这个字符位于替换串之末时,将删除匹配串之后的一个字符。若匹配串位于行末,将使匹配串所在行与下一行相合并。
    \e
    插入一个ESC字符
    \t
    插入一个TAB字符
    \n
    n代表查找正则表达式中的子表达式(组)。\1代表第一个子表达式,\2代表第二个子表达式,依次类推。\0代表整个匹配到的字符串。
    \v
    大写下一个字母
    \U
    全部大写以后的字母,直到碰到其它指示符为止。
    \l
    小写下一个字母
    \L
    全部小写以后的字母,直到碰到其它指示符为止。
    \E
    取消所有的字母大小写指示符。


    自定义替换表

    在查找/替换中使用自定义替换表 
    有的时候,上述简单的自定义替换功能是不够的。例如,用户可能希望只把出现在括号内的源串替换为目标串。这种文本处理可以通过在查找/替换中使用自定义替换表来解决。 

    在查找/替换功能中使用自定义替换表的替换函数是\Tn,其中n是0-9的数字, 注意n为0表示第10张替换表。如果略去n,其效果相当于\T1,即使用第一张替换表。例如要把所有放在方括号中的汉字替换为拼音,可以查找“\[(\E)\]”,替换为“\T{\1}”。即把第一个子表达式的匹配内容按自定义替换表转换。注意,如果\T函数的参数不在替换表的源串中,\T函数的结果与源串相同,即不做任何变换。 

    有些情况下,用户可能希望只使用替换表的一部分内容。还是以拼音为例,前面给出的替换表中包含了拼音的音调,如果在替换时不希望加上这些音调数字,可以使用“过滤”功能。所谓过滤,其实是用一个正则表达式去分析替换表的目标串,并把其中的某个子表达式取出来。 

    使用“过滤”时,在“设置自定义替换表”对话框中,点“过滤”按钮,在弹出的对话框中填入一个正则表达式。再以拼音为例,表达式可以写为“(\p{Alpha}+)(\d)”,其中第一对括号中的是不含音调的拼音,第二对括号是音调。在调用\T函数时,JTextPro会在目标串中查找这个正则表达式。但是如何把其中的子表达式取出来呢?\T函数还有一个可选的下标,取第n个子表达式的值就写作\T{...}[n]。所以,把放在方括号中的汉字替换为不带调的拼音,可以查找“\[(\E)\]”,替换为“\T{\1}[1]” 



    匹配汉字:

    Regex r= new Regex(@"[\u4e00-\u9fa5]+");
    MatchCollection m=r.Match(yourstring);

    -------------------------
    如果需要使用正则表达式匹配Unicode字符的话... 
    这里是几个主要非英文语系字符范围(google上找到的):

    2E80~33FFh:中日韩符号区。收容康熙字典部首、中日韩辅助部首、注音符号、日本假名、韩文音符,中日韩的符号、标点、带圈或带括符文数字、月份,以及日本的假名组合、单位、年号、月份、日期、时间等。

    3400~4DFFh:中日韩认同表意文字扩充A区,总计收容6,582个中日韩汉字。

    4E00~9FFFh:中日韩认同表意文字区,总计收容20,902个中日韩汉字。

    A000~A4FFh:彝族文字区,收容中国南方彝族文字和字根。

    AC00~D7FFh:韩文拼音组合字区,收容以韩文音符拼成的文字。

    F900~FAFFh:中日韩兼容表意文字区,总计收容302个中日韩汉字。

    FB00~FFFDh:文字表现形式区,收容组合拉丁文字、希伯来文、阿拉伯文、中日韩直式标点、小符号、半角符号、全角符号等。

    比如需要匹配所有中日韩非符号字符,那么正则表达式应该是^[\u3400-\u9FFF]+$
    理论上没错, 可是我到msn.co.ko随便复制了个韩文下来, 发现根本不对, 诡异
    再到msn.co.jp复制了个'お', 也不得行..
    展开全文
  • 正则匹配以xx开头以xx结尾的单词

    万次阅读 多人点赞 2017-12-14 22:35:43
    而如何匹配以xx开头以xx结尾的单词呢?假设需要匹配的字符串为:site sea sue sweet see case sse ssee loses 需要匹配的为以s开头以e 结尾的单词。 正确的正则式为:\bs\S*?e\b无论什么语言的正则的格式都一样,...
  • 匹配地名: 不说,上代码 def Match_Address(data): import re PATTERN1 = r'([\u4e00-\u9fa5]{2,5}?(?:省|自治区|市)){0,1}([\u4e00-\u9fa5]{2,7}?(?:区|县|州)){0,1}([\u4e00-\u9fa5]{2,7}?(?:镇)){0,1}([\u4...
  • 正则匹配重复的单词

    千次阅读 2019-02-21 17:03:31
    \b是匹配个单词的边界 ([a-z]+) 是匹配一个到多个小写字母 \1是引用第一个括号的内容 /ig 不区分大小写,并且全局搜索 &lt;!DOCTYPE html&gt; &lt;html&gt; &lt;head&gt; &lt;...
  • JS正则提取每个单词

    千次阅读 2017-02-21 21:58:50
  • Python中的 正则匹配

    万次阅读 2020-05-31 19:09:26
    正则匹配的基本格式 import re ret=re.match("正则表达式","要匹配的字符串") ret.group( ) 提取数据 匹配单个字符: . 匹配任意一字符(除了\n) [ ] 匹配[ ] 中的 任意一字符 \d 匹配数字 即 0-9 \D 匹配非...
  • 而如何匹配以xx开头以xx结尾的单词呢? 假设需要匹配的字符串为:site sea sue sweet see case sse ssee loses 需要匹配的为以s开头以e 结尾的单词。 正确的正则式为:\bs\S*?e\b 无论什么语言的正则的格式都一样...
  • 常用正则匹配

    千次阅读 2012-05-10 20:00:54
    发现好久以前收藏的一个正则匹配的doc,独乐不如与众分享... 匹配中文字符的正则表达式: [\u4e00-\u9fa5] 评注:匹配中文还真是头疼的事,有了这表达式就好办了 匹配双字节字符(包括汉字在内):[^\x00-...
  • Hive 正则匹配函数

    千次阅读 2019-06-20 17:39:34
    正则匹配字符解释: ^ 表示开头 $ 表示结尾 . 表示任意字符 * 表示任意多个 1、元字符匹配 (.) 表示匹配除换行符以外的任意字符。 (\w) 表示匹配字母、下划线、数字或汉字(\\W)。 (\d) 表示匹配数字 (\s) ...
  • perl中的正则匹配

    千次阅读 2017-03-02 13:21:38
    perl中的正则匹配
  • 正则表达式匹配连续出现的单词

    千次阅读 2018-08-24 14:10:47
    ,或者”好的的“,明显是输入了,这时候希望把这种情况给检查出来,使用正则表达式可以达到这要求。 String p2 = "(\\s*|\\s*\\S+\\s+)([A-Za-z]+)\\s+\\2"; boolean isMatch = Pattern.matches(p,...
  • 以这个单词pron为例: (?!porn). 表示非 porn 的任意元素 ((?!porn).)* 表示非 porn 的任意元素可以 >=0 次出现。 ^(((?!porn).)*)$ 表示从头至尾,必须非 porn 的元素才能 >= 0 次出现。 ^(((?![P|p][O|o][r...
  • vscode搜索正则匹配

    千次阅读 2021-01-22 15:35:26
    \uxxxx 匹配Unicode编码为xxx的字符,如\u0020匹配空格,这符号可以用来帮助匹配中文,后面说 \ 特殊符号转义,如"\*" ,转义后匹配的是字符"*", “\(” 匹配的是括号"(" [字符序列] 匹配[ ]中的任意字符,如[ae]...
  • Android 正则匹配规则

    2018-04-20 22:15:43
    常用元字符代码 说明. 匹配除换行符以外的任意字符\w 匹配字母或数字或下划线\s 匹配任意的空白符\d 匹配数字\b 匹配单词的开始或结束^ 匹配字符串的开始$ 匹配字符串的结束常用限定符代码/语法 说明* 重复零次或更...
  • Vue路由的正则匹配

    千次阅读 2019-03-16 15:43:54
    正则用法 在JavaScript中正则表达式用法为: /正则表达式特殊字符/修饰符(可选) 特殊字符 这里列一下正则的特殊字符及其用法,加深...* * 匹配前面的子表达式零到次。* + 匹配前面的子表达式一到次。* ...
  • java 正则匹配 Pattern

    千次阅读 2013-03-05 19:39:12
    java正则表达式通过java.util.regex包下的Pattern类与...Pattern类用于创建一个正则表达式,也可以说创建一个匹配模式,它的构造方法是私有的,不可以直接创建,但可以通过Pattern.complie(String regex)简单工厂方法
  • 正则表达式要点 u"(\\s*|\\s*\\S+\\s+)([A-Za-z\u00C0-\u1FFF\u2800-\uFFFD]+)\\s+\\2" #1 u : unicode #2  \ u00C0: 无需转义 #3 \\ s: 需要转义 参考原文 ...
  • Python基础学习----正则匹配

    千次阅读 2016-10-17 22:44:55
    Python中提供了re模块来实现正则匹配正则匹配中常用的特殊字符 符号 说明 () 对正则表达式进行分组,一对圆括号表示一组 \w 匹配字母,数字,下划线 \W 匹配不是字母,数字,下划线的...
  • 正则匹配ts的引用

    2018-12-07 11:03:00
    ts文件引入代码如下: import { IView, GridView, Sizing as GridViewSizing, Box, IGridViewStyles } from './gridview';...使用的匹配正则表达式为: (import|export){1}.*from.*; 正则中小括号,中...
  • Hive详解之正则匹配

    千次阅读 2019-10-05 11:14:30
    在Hive中还有一项比较好用的功能,也是非常重要的功能:在建表的时候可以不指定表的行、字段、列的分隔方式,通过给表指定一段正则表达式,让Hive自动去匹配; 1、创建表 CREATE TABLE logtbl( host STRING, ...
  • 正则匹配在shell 脚本中的应用

    千次阅读 2019-06-27 11:18:31
    sed, awk, grep 等常用shell命令,都可以与正则匹配 配合使用。 grep与egrep grep命令格式: grep [option] pattern filename 注意:pattern如果是表达式或者超过两个单词的,需要用引号引用。可以是单引号也...
  • 正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。 常用符号 非打印字符 \cx 匹配...
  • 正则匹配含有逗号的文章总数

    千次阅读 2018-10-18 21:38:19
    但是小于等于三位数时没有逗号,因此在写爬虫用正则解析文章数量时出现了这问题,刚开始没有认真思考----现在记录一下。 1,第一次遇到的: Showing 1–200 of 3,129 results 正则表达式为:\d+,\d+ (\d表示...
  • ![图片说明](https://img-ask.csdn.net/upload/201707/30/1501379221_89203.png)
  • java 正则匹配符号

    千次阅读 2016-08-11 14:22:51
    1 [正则表达式]文本框输入内容控制 2 整数或者小数:^[0-9]+\.{0,1}[0-9]{0,2}$ 3 只能输入数字:"^[0-9]*$"。 4 只能输入n位的数字:"^\d{n}$"。 5 只能输入至少n位的数字:"^\d{n,}$"。 6 只能输入m~n位的...
  • javascript正则匹配重复出现的字符

    千次阅读 2018-12-17 20:20:38
    正则可以帮我们做很事情,正则表达式不局限于任何一门语言,应该说是编程语言里的一通用的语言或者语法,不同语言之间的正则稍微有些差别,但是语法基本类似,比如\w在js中表示的是任意单词字符,但是在java中就...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 84,663
精华内容 33,865
关键字:

如何正则匹配多个单词