MATLAB程式设计进阶篇通用运算式.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,MATLAB,程式設計進階篇：通用運算式,MATLAB,程式設計：進階篇通用運算式,1,基本介紹：,UNIX,淵源,早期的電腦作業系統（例如,UNIX,系統）都是以文字為介面，因此對於文字的處理與運算也就有一套特別精心規劃的方式，其中最為人所津津樂道的產出，就是通用運算式（,Regular Expressions,）的制訂和其廣泛的應用。,通用運算式最早出現在,UNIX,的文字編輯程式，例如,ed,、,vi,、,emacs,，也常被用在以,UNIX,為基礎的程式語言，例如,Perl,等。近年來在,Web,上使用的,JavaScript,以及,VBScript,也加入了通用運算式的功能。,2,基本介紹：通用性,如果照字面來翻譯，,Regular Expressions,應該是翻成正規運算式，但我們採取的中文名稱是通用運算式或簡稱通用式，強調此方法能由簡單的符號來代表複雜的字串的特性,在本章所學習到的通用運算式，幾乎可以原封不動地搬到其他程式語言來使用，例如,JavaScript,、,C,、,Python,、,Perl,、,VBScript,等等。,MATLAB 6.x,的通用運算式並不支援中文，但在,7.x,已經可以完全支援中文了！,3,基本介紹：終極目標,你已經在用通用式的概念了！看看你常用到的萬用符號（,Wildcards characters,）：,dir*.txt,dir data?.txt,終極目標,用簡單的符號來代表複雜的字串，以便進行特定字串的比對、抽取及代換,4,基本用法：尋找字串開始位置,使用,regexp,指令比對字串，可找出某一個特定型態的字串在另一個字串的出現位置。,例如，如果要找出,love,在一個字串,Love me tender,love me sweet,never let me go,出現的位置，可用下列程式碼：,範例,4-1,：,regExp01.m,回傳結果為：,startIndex=17,代表,love,在,string,變數所出現的位置是,17,。,string=Love me tender,love me sweet,never let me go;,pattern=love;,startIndex=regexp(string,pattern),5,基本用法：大小寫均可,若要進行大小寫均可（,Ignore Cases,）的比對，則可以使用,regexpi,指令：,範例,4-2,：,regExp02.m,回傳結果為：,startIndex=1 17,代表,Love,和,love,在,string,變數所出現的位置分別是,1,和,17,。,string=Love me tender,love me sweet,never let me go;,pattern=love;,startIndex=regexpi(string,pattern,),6,基本用法：字串開始和結束位置,若要找出字串出現的開始和結束位置，可以在使用,regexp,時，多加一個輸出變數：,範例,4-3,：,regExp03.m,回傳結果為：,start=6 22 42,finish=7 23 43,其中,start,和,finish,代表所比對到的三個,me,的開始和結束位置。,string=Love me tender,love me sweet,never let me go;,pattern=me;,start,finish=regexp(string,pattern),7,方括弧：列舉欲比對字元,我們可以使用方括弧（,）來列舉所要比對的字元，可見下列範例：,範例,4-4,：,regExp10.m,string=I bet there is a bat on the boat;,pattern=baeiout;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start)%,列印出比對結果,fprintf(t%d:%sn,i,string(start(i):finish(i);,end,回傳結果為：,Matched substrings:,1:bet,2:bat,8,方括弧：使用範圍符號,若是連續字母或數字，就可以使用範圍符號,-,來簡化方括弧中的列舉字元。例如，,數字,0,到,9,，可以寫成,0123456789,，或是簡化寫成,0-9,。,26,個小寫英文字母可以簡化寫成,a-z,。,26,個大寫英文字母可以簡化寫成,A-Z,。,英文字母：,a-zA-Z,數字或英文字母：,0-9a-zA-Z,9,方括弧：數字範圍,例如若要比對西元年份，可見下列範例：,範例,4-5,：,regExp11.m,string=My brother and me were born in 1965 and 1962,respectively.;,pattern=0-90-90-90-9;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start)%,列印出比對結果,fprintf(t%d:%sn,i,string(start(i):finish(i);,end,回傳結果為：,Matched substrings:,1:1965,2:1962,10,向量化的輸入和輸出,事實上，,regexp,指令也可以接收向量化的輸入，並產生向量化的輸出，例如：,範例,4-6,：,regExp07.m,stringBarcelona,Y2K,MATLAB 7.3;,pattern=lona,0-9,A-Z;,start,finish=regexp(string,pattern),start=,6 2 1x6 double,finish=,9 2 1x6 double,其中,start,和,finish,都是,1x3,的異值陣列，而且,starti,和,finishi,就是,regexp(stringi,patterni),所得到的結果。,11,方括弧：範例列表,有關方括弧的使用，列表整理如下：,通用式,說明及範例,比對不成立之字串,13579,包含,1,或,3,或,5,或,7,或,9,的字串，例如,：a3b,1xy,y2k,0-9,含數字之字串,不含數字之字串,a-z0-9,含數字或小寫字母之字串,不含數字及小寫字母之字串,a-zA-Z0-9,含數字或字母之字串,不含數字及字母之字串,baeiout,bat,bet,bit,bot,but,bxt,bzt,0-9,不含數字之字串（若,要比對,，請使用,）,含數字之字串,aeiouAEIOU,不含母音之字串（若,要比對,，請使用,）,含母音之字串,不含,之字串，例如,xyz,abc,xy,abc,像不像表情符號？,12,特定字元：列表,有些通用式會常被用到，因此已被定義為特定字元，以簡化整體通用式，這些字元列表說明如下：,通用式的特定字元,說明,等效的通用式,d,數字,0-9,D,非數字,0-9,w,數字、字母、底線,a-zA-Z0-9_,W,非,w,a-zA-Z0-9_,s,空白字元,rtnf,S,非空白字元,rtnf,.,任一個字元，但不包含換行字元,（,n,）,無,若是針對中文，可以加上全型空白。,13,特定字元：比對數字,我們可以用,d,來比對由,0,到,9,的數字，並用,D,來比對非數字。假設我們要找出兩個非數字夾一個數字的子字串，可使用,DdD,。,範例,4-7,：,regExp04.m,string=Some terms:RU486,Y2K,900GHz,B2B,B2C;,pattern=DdD;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start),fprintf(t%d:%sn,i,string(start(i):finish(i);,end,回傳結果為：,Matched substrings:1:Y2K 2:B2B 3:B2C,14,特定字元：句點的使用,我們也可以抓出來兩個,t,中間夾,4,個任意字元的子字串，請見下例範例：,範例,4-8,：,regExp13.m,string=I like the tidbit given by timit;,pattern=t.t;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start),fprintf(t%d:%sn,i,string(start(i):finish(i);,end,回傳結果為：,Matched substrings:1:tidbit 2:timit,15,定位符號：句首和句尾,在通用式裡，最常用的定位符號就是,和,$,，其中,代表一個字串的開始位置，因此,xy,代表以,xy,開始的字串；而,$,代表一個字串的結束位置，因此,xy$,代表以,xy,結束的字串。,範例,4-9,：,regExp14.m,str1=Chapter 5 is my favorite;,str2=I like Chapter 2;,pat=Chapter;,fprintf(regexp(%s,%s)=%dn,str1,pat,regexp(str1,pat);,fprintf(regexp(%s,%s)=%dn,str2,pat,regexp(str2,pat);,回傳結果為：,regexp(Chapter 1 is my favorite,Chapter)=1,regexp(I like Chapter 1,Chapter)=,16,定位符號：列表,以下是對於定位符號的列表與整理：,通用式,說明及範例,比對不成立之字串,xy,以,xy,開始的字串，例如,xyz,xyab,（若要比對,，請使用,）,axy,bxy,xy$,以,xy,結尾的字串，,例如,axy,abxy,（若要比對,$,，請使用,$,）,xya,xyb,17,字串的重複：範例列表,我們也可定義字元的重複次數，整理如下：,正規表示法,說明,a?,零或一個,a,（,若要比對,?,字元，請使用,?,）,a+,一或多個,a,（,若要比對,+,字元，請使用,+,）,a*,零或多個,a,（,若要比對,*,字元，請使用,*,）,a4,四個,a,a5,10,五至十個,a,a5,至少五個,a,a,3,至多三個,a,a.5b,a,和,b,中間夾五個（非換行）字元,18,字串的重複：基本範例,使用上表與字元重複次數相關的特殊符號，我們可以從字串,I like Chapter 2,Chapter 10,and Chapter 25 of this book!,抓出,Chapter 2,、,Chapter 10,，以及,Chapter 25,範例,4-10,：,regExp08.m,string=I like Chapter 2,Chapter 10,and Chapter 25 of this book!;,pattern=Chapter 1-90-9?;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start),fprintf(t%d:%sn,i,string(start(i):finish(i);,end,回傳結果為：,Matched substrings:,1:Chapter 2 2:Chapter 10 3:Chapter 25,19,字串的重複：信用卡號碼,若要抓出信用卡號碼，可見下列範例：,範例,4-11,：,regExp12.m,string=My credit number is 1234-5678-9012-3456.;,pattern=d4-d4-d4-d4;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start),fprintf(t%d:%sn,i,string(start(i):finish(i);,end,Matched substrings:,1:1234-5678-9012-3456,20,字串的重複：身份證字號,如果要比對身份證字號，可用下列範例：,範例,4-12,：,regExp05.m,事實上，身份證字號本身就有內在的編碼規則，這些規則和使用者的性別有關，還包含一個檢查碼，並非簡簡單單地由一個英文字母加上九個數字所構成。,string=My Id number is F123765431;,pattern=A-Zd9;,start=regexp(string,pattern),start=,17,21,字串的重複：特定樣式比對,若要在一個字串中，找出在,b,與,t,中間夾二或三個母音的子字串，可見下列範例：,範例,4-13,：,regExp09.m,string=bt bat bet ban bit boat beet berp boaet baeiout;,pattern=baeiou2,3t;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start),fprintf(t%d:%sn,i,string(start(i):finish(i);,end,Matched substrings:,1:boat,2:beet,3:boaet,22,字串的重複：小括弧的使用,我們也可以利用小刮號，進行重複字串的比對：,範例,4-14,：,regExp18.m,string=Two cards:1234-5678-9012-3456 and 0987-6543-2109-8765;,pattern=(d4-)3d4;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start),fprintf(t%d:%sn,i,string(start(i):finish(i);,end,Matched substrings:,1:1234-5678-9012-3456,2:0987-6543-2109-8765,23,字串的重複：比對原則,在通用式所採用的比對原則是最大比對（,Maximal Match,）或是貪心比對（,Greedy Match,），因此會盡量貪到越多的字元越好，,若使用通用式,foo.*bar,來比對字串,The food is under the bar in the barn.,，所比對到的是長字串,food is under the bar in the bar,，而不是另一個符合比對標準的短字串,food is under the bar,。,若要使通用式進行極小比對（,Minimal Match,），也就是在符合比對的條件下，選擇最短的字串，那麼就要在星號之後加上問號,。,24,字串的重複：最大與最小比對,最大比對與最小比對的範例：,範例,4-15,：,regExp19.m,string=The food is under the bar in the barn.;,pattern1=foo.*bar;,start,finish=regexp(string,pattern1);,fprintf(tGreedy match:%sn,string(start:finish);,pattern2=foo.*?bar;,start,finish=regexp(string,pattern2);,fprintf(tMinimal match:%sn,string(start:finish);,Greedy match:food is under the bar in the bar,Minimal match:food is under the bar,25,字串的重複：問號的意義,請注意，問號在通用式的意義是和內文相關（,Context Dependent,）的，可以分兩類情況來說明：,如果問號接在一般字元之後，代表比對前一個字元零次或一次。,如果問號接在星號或加號之後，代表極小比對。,26,Open Question,如何在使用通用運算式時，一次找到所有可能的比對成功的子字串？,27,選項的使用：或的使用,如果同時比對數個通用式，可使用,|,來他們串起來，而達到或（,OR,）的邏輯運算效果。,如，我們可同時比對信用卡號碼、身份證字號、電話號碼。,範例,4-16,：,regExp16.m,string=1234-5678-9012-3456 and A123456789 and 5715131;,pattern=d4-d4-d4d4|A-Zd9|d7;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start),fprintf(t%d:%sn,i,string(start(i):finish(i);,end,回傳結果為：,Matched substrings:,1:1234-5678-9012-3456 2:A123456789 3:5715131,28,小括弧用於或,若是要進行,OR,運算的通用式有共通的部分，我們就需要使用小括弧來進行更明確的規範，例如下列範例，可以同時比對,Chapter,和Section,，以及後續的數字：,範例,4-17,：,regExp17.m,string=I like Chapter 12,particularly Section 4!;,pattern=(Chapter|Section)1-9d?;,start,finish=regexp(string,pattern);,fprintf(Matched substrings:n);,for i=1:length(start),fprintf(t%d:%sn,i,string(start(i):finish(i);,end,Matched substrings:,1:Chapter 12,2:Section 4,29,小括弧：回傳比對符合的字串,小括弧還有一個重要的功能，就是可以將對應於小括弧的子字串傳回來，非常適用於特定子字串的抽取。,範例,4-18,：,regExp20.m,string=I bet there is a bat on the boat;,pattern=b(w*)t;,start,finish,token=regexp(string,pattern);,fprintf(There are%d matched substrings:n,length(start);,for i=1:length(start),fprintf(t%d:matched=%s,token=%sn,i,string(start(i):finish(i),string(tokeni(1):tokeni(2);,end,回傳結果為：,There are 3 matched substrings:,1:matched=bet,token=e“2:matched=bat,token=a,3:matched=boat,token=oa,在上例中，,token,就是由,b,和,t,所夾的字串。,30,小括弧：抽取網頁連結,我們可以利用小括弧抽取字串功能來抽取網頁的連結網址和連結文字，這在網頁搜尋引擎的製作上，是一個很重要的步驟，因為網頁蒐集程式（又稱為,Robot,或,Crawler,）將網頁抓回來後，就是根據網頁內的連結網址，來決定下次要蒐集的網頁，如此依次（可根據,Depth-first Search,或,Breadth-first Search,）反覆蒐集，就可以抓到很多網頁。,使用類似的方法，也可以抽取網頁中的電子郵件帳號，燒成,DM,電郵光碟牟利！,31,網頁範例,網頁範例：,regExp.htm,List of important links:,:MathWorks.,:Roger Jang.,:Google.,32,小括弧：抽取連結的範例,利用,regexp,指令所傳回來的第三個輸出變數，我們可以輕易地抓出此網頁的連結網址和連結文字：,範例,4-20,：,linkExtraction.m,string=fileread(regExp.htm);,pattern=(.*?);,start,finish,token=regexp(string,pattern);,fprintf(,由檔案,%s,抽取出,%d,個連結：,:n,fileName,length(start);,for i=1:length(start),fprintf(t%d:,連結文字：,%s,連結網址：,%sn,i,string(tokeni(2,1):tokeni(2,2),string(tokeni(1,1):tokeni(1,2);,end,由檔案,regExp.htm,抽取出,3,個連結：1:,連結文字：,MathWorks,連結網址：,2:,連結文字：,Roger Jang,連結網址：,mirlab.org/jang,3:,連結文字：,Google,連結網址：,33,字串的代換：基本範例,利用通用式來進行字串的代換，主要的指令是,regexprep,。如，若要將所有,b,和,t,中間至少夾一個母音的字串代換為,xxx,。,範例,4-21,：,regExpRep01.m,str=I bet there is a bat in the boat!;,pat=baeiou+t;,newStr=regexprep(str,pat,xxx);,fprintf(%sn,newStr);,回傳結果為：,I xxx there is a xxx in the xxx!,34,字串的代換：壓縮空白,我們可將一列字串中，連續出現的多個空白字元，壓縮成一個空白字元：,範例,4-22,：,regExpRep02.m,string=Draft beer,not people.;,pattern=s+;,string2=regexprep(string,pattern,);%,將多個空白壓縮成一個,fprintf(,原字串：,%sn,string);,fprintf(,修改後：,%sn,string2);,原字串：,Draft beer,not people.,修改後：,Draft beer,not people.,What does this sentence mean?,35,字串的代換：使用暫存變數,在使用,regexprep,進行字串代換的過程中，小括弧比對到的子字串會被儲存到變數,$1,$2,$3,等，以便於處理後再插回原字串，例如：,範例,4-23,：,regExpRep03.m,str=I walk up,he walks up,we are all walking up.;,pat=walk(w*)up;,newStr=regexprep(str,pat,sleep$1 tight);,fprintf(%sn,newStr);,I sleep tight,he sleeps tight,we are all sleeping tight.,36,字串的代換：對調英文字,使用類似的方法，我們也可以將一個字串的前兩個英文字對調，如下：,範例,4-24,：,regExpRep04m,str=are you ready;,pat=(+)+(+);,rep=$2$1;,str2=regexprep(str,pat,rep);,fprintf(,原字串：,%sn,str);,fprintf(,修改後：,%sn,str2);,原字串：,are you ready,修改後：,you are ready,37,字串的代換：其它選項,在使用,regexprep,指令時，可以在第四個輸入變數輸入其他字串，以代表不同的代換方式。例如：,ignorecase,：進行大小寫不分的比對與代換。,once,：只代換第一個比對符合的字串。,其他選項請查看,regexprep,的線上支援（在,MATLAB,輸入,doc regexprep,即可顯示線上支援）。,38,