MATLAB 正则表达式

MATLAB 中的正则表达式是用来匹配和处理文本的工具。它可以帮助你快速地搜索和处理文本内容。

在 MATLAB 中，你可以使用正则表达式来做很多事情，例如：
– 匹配某个字符串
– 搜索/替换某个字符串
– 从文本中提取信息

正则表达式基础

正则表达式是一个特殊的字符序列，可以用于匹配字符串。以下是一些基础正则表达式符号和它们的含义：

符号	含义
.*	匹配任何字符，零个或多个
[ ]	匹配方括号中任意一个字符
[^ ]	不匹配方括号中的字符
\d	匹配数字
\D	不匹配数字
\w	匹配单词字符(字母、数字和下划线)
\W	不匹配单词字符

下面是一个匹配数字的例子：

str = 'hello123world';
regexp(str, '\d')

输出：

这里的正则表达式 \d 匹配字符串 str 中的数字字符。因为数字字符出现在字符串的第二个位置，所以输出 2。

另一个例子是匹配以字母“a”开头的单词：

str = 'aardvark is a nice animal';
regexp(str, '\ba\w*')

输出：

这里的正则表达式 \ba\w* 匹配以字母“a”开头的单词。\b 表示单词边界，\w 匹配单词字符，* 表示零个或多个。

正则表达式函数

在 MATLAB 中，有一些正则表达式的函数可以用来执行各种操作。下面是一些重要的函数：

函数	含义
regexp()	用于在字符串中查找符合正则表达式的子串
regexprep()	用于替换字符串中符合正则表达式的子串
regexpi()	与 regexp() 函数类似，但不区分大小写
regexprep()	与 regexprep() 函数类似，但不区分大小写

以下是一些使用上述函数的例子：

匹配字符串中的数字：

str = 'hello123world';
match = regexp(str, '\d', 'match')

输出：

'1'    '2'    '3'

这里的 regexp() 函数返回了所有匹配到的数字。'match' 参数告诉函数返回与正则表达式匹配的字符串子串。

提取出字符串中所有的单词：

str = 'The quick brown fox jumps over the lazy dog';
match = regexp(str, '\w*', 'match')

输出：

'The'  ''     'quick'    ''      'brown'  ''    'fox'  ''     'jumps' ''    'over' ''      'the' ''      'lazy' ''      'dog'  ''

以上代码返回了字符串中的所有单词。\w* 匹配任意长度的单词，包括空字符串。

将字符串中所有的数字替换为一个占位符：

str = 'hello123world';
newstr = regexprep(str, '\d', '###')

输出：

'hello###world'

这里的 regexprep() 函数将字符串中所有的数字替换为 ###。

结合 MATLAB 函数使用正则表达式

除了上述讨论的正则表达式函数，MATLAB 还有很多其他有用的字符串处理函数。在实际应用中，你可以使用这些函数与正则表达式函数结合使用来完成各种任务。以下是一些示例：

例子1: 从 URL 中提取域名

url = 'https://www.baidu.com/';
pattern = '(?<protocol>http[s]?)://(?<domain>[^/]+)';
match = regexp(url, pattern, 'names');
domain = match.domain

输出：

'dwww.baidu.com'

这里的正则表达式 (?<protocol>http[s]?)://(?<domain>[^/]+) 匹配 URL 中的协议和域名。(?<protocol>http[s]?) 子表达式匹配 http 或 https 协议，(?<domain>[^/]+) 子表达式匹配域名。'names' 参数告诉 regexp() 函数返回分组命名的捕获结果，便于后续处理。最后从捕获结果中提取 domain。

例子2: 从日志文件中提取出错信息

假设你有一个日志文件（log.txt），其中包含了很多条日志信息。你想要从中提取出错信息以便进一步分析。

以下是一段示例日志信息：

[2021-10-21 15:31:44] [ERROR] File not found: ./data.txt.
[2021-10-22 09:15:23] [INFO] Starting server on port 8080.

filename = 'log.txt';
filecontent = fileread(filename);
pattern = '\[([^\]]+)\]\s+\[(ERROR)\]\s+(.*)';
matches = regexp(filecontent, pattern, 'tokens');
errors = {};
for i = 1:length(matches)
    if ~isempty(matches{i})
        timestamp = matches{i}{1};
        message = matches{i}{3};
        errors{end+1} = struct('timestamp', timestamp, 'message', message);
    end
end

输出：

errors = 
  1×1 struct array with fields:
    timestamp
    message

这个示例中，我们首先使用 fileread() 函数读取 log.txt 文件的内容。然后，我们使用正则表达式 \[[^\]]+\]\s+\[(ERROR)\]\s+(.*) 匹配每一条日志信息，提取其中的时间戳和错误消息，并将它们保存到一个结构体中。使用 isempty() 函数检查是否有匹配到的错误信息，如果有就将其加到错误数组中。最终结果是一个结构体数组，每个结构体包括时间戳和错误消息。