matlab Patten的使用（重要）(Matlab处理字符串一)

原文连接：https://www.mathworks.com/help/releases/R2022b/matlab/ref/pattern.html?browser=F1help

能使用的搜索函数：

contains	确定字符串中是否有模式
matches	确定模式是否与字符串匹配
count	计算字符串中模式的出现次数
endsWith	确定字符串是否以模式结尾
startsWith	确定字符串是否以模式开头

编辑文本函数：

extract	从字符串中提取子字符串
replace	查找并替换一个或多个子字符串
replaceBetween	替换起点和终点之间的子字符串
split	在分隔符处拆分字符串
erase	删除字符串内的子字符串
eraseBetween	删除起点和终点之间的子字符串
extractAfter	提取指定位置后的子字符串
extractBefore	提取指定位置前的子字符串
extractBetween	提取起点和终点之间的子字符串
insertAfter	在指定的子字符串后插入字符串
insertBefore	在指定的子字符串前插入字符串

字符串匹配模式函数：

digitsPattern	匹配数字字符
lettersPattern	匹配字母字符
alphanumericsPattern	匹配字母和数字字符
characterListPattern	匹配列表中的字符
whitespacePattern	匹配空白字符
wildcardPattern	匹配尽可能少的任意类型的字符

搜索规则模式：

optionalPattern	使模式匹配可选
possessivePattern	匹配模式而不回溯
caseSensitivePattern	以区分大小写的方式匹配模式
caseInsensitivePattern	以不区分大小写的方式匹配模式
asFewOfPattern	模式匹配次数尽可能少
asManyOfPattern	模式匹配次数尽可能多

边界模式的函数：

alphanumericBoundary	匹配字母数字字符与非字母数字字符之间的边界
digitBoundary	匹配数字字符和非数字字符之间的边界
letterBoundary	匹配字母字符和非字母字符之间的边界
whitespaceBoundary	匹配空白字符和非空白字符之间的边界
lineBoundary	匹配行首或行尾
textBoundary	匹配文本的开头或结尾
lookAheadBoundary	匹配指定模式之前的边界
lookBehindBoundary	匹配指定模式之后的边界

正则表达式模式：

regexpPattern

匹配指定正则表达式的模式

模式组织函数：

maskedPattern	具有指定显示名称的模式
namedPattern	指定命名模式

1、以 "R" 开头，后跟四位数的年份，然后是 "a" 或 "b"

pat = "R" + digitsPattern(4) + ("a"|"b");

str = ["String was introduced in R2016b." 
       "Pattern was added in R2020b."];
extract(str,pat)

ans =
  2x1 string array
    "R2016b"
    "R2020b"

示例

使用模式搜索文本

lettersPattern 是一个典型的、匹配字母字符的字符匹配模式。创建匹配一个或多个字母字符的模式。

txt = ["This" "is a" "1x6" "string" "array" "."];
pat = lettersPattern;

使用 contains 确定在每个字符串中是否存在与 pat 匹配的字符。输出逻辑数组显示 txt 中的前五个字符串包含字母，但第六个字符串不包含字母。

contains(txt,pat)

ans = 1x6 logical array

   1   1   1   1   1   0

确定文本是否以指定的模式开头。输出逻辑数组显示 txt 中的四个字符串以字母开头，但有两个字符串不是。

startsWith(txt,pat)

ans = 1x6 logical array

   1   1   0   1   1   0

确定字符串是否完全匹配指定的模式。输出逻辑数组显示 txt 中的哪些字符串只包含字母。

matches(txt,pat)

ans = 1x6 logical array

   1   0   0   1   1   0

对模式匹配的次数进行计数。输出数值数组显示 txt 的每个元素中匹配 lettersPattern 的次数。请注意，lettersPattern 匹配一个或多个字母，因此一组连续匹配的字母被视为一次匹配。

count(txt,pat)

ans = 1×6

     1     2     1     1     1     0

使用模式编辑文本

digitsPattern 是一个典型的、匹配数字字符的字符匹配模式。创建一个匹配数字字符的模式。

txt = ["1 fish" "2 fish" "[1,0,0] fish" "[0,0,1] fish"];
pat = digitsPattern;

使用 replace 编辑与模式匹配的文本片段。

replace(txt,pat,"#")

ans = 1x4 string
    "# fish"    "# fish"    "[#,#,#] fish"    "[#,#,#] fish"

通过在匹配的字母后插入 "!" 字符来创建新文本片段。

insertAfter(txt,pat,"!")

ans = 1x4 string
    "1! fish"    "2! fish"    "[1!,0!,0!] fish"    "[0!,0!,1!] fish"

可以使用 OR 运算符 | 与文本来创建模式。擦除与指定模式匹配的文本。

txt = erase(txt,"," | "]" | "[")

txt = 1x4 string
    "1 fish"    "2 fish"    "100 fish"    "001 fish"

从新文本中提取 pat。

extract(txt,pat)

ans = 1x4 string
    "1"    "2"    "100"    "001"

对文本中的字符进行计数

使用模式对一段文本中出现的单个字符进行计数。

txt = "She sells sea shells by the sea shore.";

使用 alphanumericsPattern 将 pat 创建为与单个字母匹配的 pattern 对象。提取该模式。

pat = alphanumericsPattern(1);
letters = extract(txt,pat);

显示每个字母出现次数的直方图。

letters = lower(letters);
letters = categorical(letters);
histogram(letters)

显示复杂模式时隐藏细节

使用 maskedPattern 显示变量来代替复杂的模式表达式。

构建一个模式，该模式匹配由数字和算术运算符组成的简单算术表达式。

mathSymbols = asManyOfPattern(digitsPattern | characterListPattern("+-*/="),1)

mathSymbols = pattern
  Matching:

    asManyOfPattern(digitsPattern | characterListPattern("+-*/="),1)

使用 mathSymbols 构建一个模式，该模式匹配在字符之间具有空白的算术表达式。

longExpressionPat = asManyOfPattern(mathSymbols + whitespacePattern) + mathSymbols

longExpressionPat = pattern
  Matching:

    asManyOfPattern(asManyOfPattern(digitsPattern | characterListPattern("+-*/="),1) + whitespacePattern) + asManyOfPattern(digitsPattern | characterListPattern("+-*/="),1)

显示的模式表达式很长且难以阅读。使用 maskedPattern 显示变量名称 mathSymbols 来代替模式表达式。

mathSymbols = maskedPattern(mathSymbols);
shortExpressionPat = asManyOfPattern(mathSymbols + whitespacePattern) + mathSymbols

shortExpressionPat = pattern
  Matching:

    asManyOfPattern(mathSymbols + whitespacePattern) + mathSymbols

  Show all details

创建一个包含一些算术表达式的字符串，然后从文本中提取模式。

txt = "What is the answer to 1 + 1? Oh, I know! 1 + 1 = 2!";
arithmetic = extract(txt,shortExpressionPat)

arithmetic = 2x1 string
    "1 + 1"
    "1 + 1 = 2"

为复杂模式指定名称和说明

基于两个命名模式创建一个模式。命名模式为模式的显示添加上下文。

构建两个模式：一个模式匹配以字母 D 开头和结尾的单词，另一个模式匹配以字母 R 开头和结尾的单词。

dWordsPat = letterBoundary + caseInsensitivePattern("d" + lettersPattern + "d") + letterBoundary;
rWordsPat = letterBoundary + caseInsensitivePattern("r" + lettersPattern + "r") + letterBoundary;

使用命名模式构建一个模式，该模式查找以 D 开头和结尾的单词后跟以 R 开头和结尾的单词。

dAndRWordsPat = dWordsPat + whitespacePattern + rWordsPat

dAndRWordsPat = pattern
  Matching:

    letterBoundary + caseInsensitivePattern("d" + lettersPattern + "d") + letterBoundary + whitespacePattern + letterBoundary + caseInsensitivePattern("r" + lettersPattern + "r") + letterBoundary

此模式难以阅读，也不能充分表示其目的。使用 namedPattern 将模式指定为显示指定名称和说明的命名模式以代替模式表达式。

dWordsPat = namedPattern(dWordsPat,"dWords", "Words that start and end with D");
rWordsPat = namedPattern(rWordsPat,"rWords", "Words that start and end with R");
dAndRWordsPat = dWordsPat + whitespacePattern + rWordsPat

dAndRWordsPat = pattern
  Matching:

    dWords + whitespacePattern + rWords

  Using named patterns:

    dWords: Words that start and end with D
    rWords: Words that start and end with R

  Show more details

创建一个字符串并提取与模式匹配的文本。

txt = "Dad, look at the divided river!";
words = extract(txt,dAndRWordsPat)

words = 
"divided river"

匹配电子邮件地址

构建易于阅读的模式来匹配电子邮件地址。

电子邮件地址遵循结构 username@domain.TLD，其中 username 和 domain 由用句点分隔的标识符组成。构建一个模式，它匹配由字母数字字符和 "_" 字符的任意组合组成的标识符。使用 maskedPattern 将此模式命名为 identifier。

identifier = asManyOfPattern(alphanumericsPattern(1) | "_", 1);
identifier = maskedPattern(identifier);

构建模式以匹配由标识符组成的域和子域。创建一个匹配指定列表中的 TLD 的模式。

subdomain = asManyOfPattern(identifier + ".") + identifier;
domainName = namedPattern(identifier,"domainName");
tld = "com" | "org" | "gov" | "net" | "edu";

构建一个模式来匹配电子邮件的本地部分，它匹配一个或多个用句点分隔的标识符。通过组合先前定义的各模式构建一个模式，用于匹配域、TLD 和任何可能存在的子域。使用 namedPattern 将其中每个模式分配给一个命名模式。

username = asManyOfPattern(identifier + ".") + identifier;
domain = optionalPattern(namedPattern(subdomain) + ".") + ...
            domainName + "." + ...
            namedPattern(tld);

将所有模式组合成一个模式表达式。使用 namedPattern 将 username、domain 和 emailPattern 分配给命名模式。

emailAddress = namedPattern(username) + "@" + namedPattern(domain);
emailPattern = namedPattern(emailAddress)

emailPattern = pattern
  Matching emailAddress:

    username + "@" + domain

  Using named patterns:

    emailAddress  : username + "@" + domain
      username    : asManyOfPattern(identifier + ".") + identifier
      domain      : optionalPattern(subdomain + ".") + domainName + "." + tld
        subdomain : asManyOfPattern(identifier + ".") + identifier
        domainName: identifier
        tld       : "com" | "org" | "gov" | "net" | "edu"

  Show all details

创建一个包含电子邮件地址的字符串，然后从文本中提取模式。

txt = "You can reach me by email at John.Smith@department.organization.org";
extract(txt,emailPattern)

ans = 
"John.Smith@department.organization.org"

命名模式允许使用点索引以便访问命名子模式。使用点索引将特定值赋给命名模式 domain。

emailPattern.emailAddress.domain = "mathworks.com"

emailPattern = pattern
  Matching emailAddress:

    username + "@" + domain

  Using named patterns:

    emailAddress: username + "@" + domain
      username  : asManyOfPattern(identifier + ".") + identifier
      domain    : "mathworks.com"

  Show all details

处理变量名称问题：

endsWith(str,lettersPattern|digitsPattern|'_')

>> pattern = '(?<![\w])BBBB';

>> replacement = 'AAAA';

>> outputStr = regexprep('LOP_BBBB=BBBB+qw;', pattern, replacement)

替换变量前一个是非字母数字下划线组成的