优设网下载,优化公司股权结构,柜子定制,seo推广渠道有哪些一 概念
概念#xff1a;正则表达式#xff08;Regular Expression#xff09;#xff0c;又称规则表达式#xff0c;是记录文本规则的代码。通常被用来检索、替换那些符合某个模式(规则)的文本。
特性#xff1a;最初是由Unix中的工具软件#xff08;例如sed和grep正则表达式Regular Expression又称规则表达式是记录文本规则的代码。通常被用来检索、替换那些符合某个模式(规则)的文本。
特性最初是由Unix中的工具软件例如sed和grep普及开的现在许多程序设计语言都支持利用正则表达式。
常见缩写正则表达式在代码中通常缩写成regex、regexp、RE复数有regexps、regexes、regexen等。
二、语法
1、正则表达式保留字符 代码 说明 [ ] \ ^ $ . | ? * ( ) { } 正则保留字如果想匹配为文本字符时需要使用“\”进行转义
| 代表或也成为分支条件例x|y 匹配x或者y
[ ] 用于定义字符集例[aeiou] 匹配英文元音字母
( ) 用于形成组后续会讲到
{ } 用于定义重复操作后续会讲到
示例\. 匹配字符“.”
\\ 匹配字符“\”
2、非打印字符
除了匹配字符串之外正则表达式还可以匹配非打印字符 代码 说明 \cx 匹配由x指明的控制字符。例如 \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则将 c 视为一个原义的 c 字符 \f 匹配一个换页符。等价于 \x0c十六进制 和 \cL控制字符 \n 匹配一个换行符。等价于 \x0a 和 \cJ \r 匹配一个回车符。等价于 \x0d 和 \cM \t 匹配一个制表符。等价于 \x09 和 \cI \v 匹配一个垂直制表符。等价于 \x0b 和 \cK \s 匹配任何空白字符包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v] \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]
3、字符集 代码 说明 备注 \d 匹配数字。等价于[0-9] \D 匹配任意非数字的字符。等价于[^0-9] \w 匹配字母或数字或下划线。等价于[A-Za-z0-9_] \W 匹配任意不是字母数字下划线的字符。等价于[^A-Za-z0-9_] \s 匹配任意的空白符。等价于[\f\n\r\t\v] 既属于字符集又属于非打印字符 \S 匹配任意不是空白符的字符。等价于[^\f\n\r\t\v] . 匹配除换行符以外的任意字符。等价于[^\n\r]
4、边界符 代码 说明 ^ 匹配字符串的开始 $ 匹配字符串的结束 \b 匹配单词的开始或结束 \B 匹配不是单词开头或结束的位置
5、量词、重复 代码/语法 说明 * 重复零次或更多次 重复一次或更多次 ? 重复零次或一次 {n} 重复n次 {n,} 重复n次或更多次 {n,m} 重复n到m次
\ba\w*\b 匹配以字母a开头的单词
Windows\d 匹配Windows后面跟1个或更多数
\b\w{6}\b 匹配刚好6个字符的单词 注意量词本身是贪婪匹配即返回最长的匹配量词后加 ? 可以实现非贪婪或最小匹配
例如对字符串“Windows98” 使用下面不同的正则表达式结果不同
表达式Windows\d 匹配结果为 Windows98 说明\d 按最长的数字匹配
表达式Windows\d? 匹配结果为 Windows9 说明\d? 按最短的数据匹配
举个实际的数据清洗例子对字符串“orderid:12344,create_time:2020-10-10 00:00:00, ” 中的进行匹配
表达式orderid:(.*), 匹配结果为 12344,create_time:2020-10-10 00:00:00 说明匹配orderid: 和 , 中间的最长内容
表达式orderid:(.*)?, 匹配结果为 12344 说明匹配orderid: 和 , 中间的最短内容 6、分组
把正则表达式的一部分放在圆括号内可以将它们形成组。
我们可以对整个组使用一些正则操作例如重复操作符(a\d) 匹配 a11a2例如分支条件(ab)|(yz) 匹配ab或者yz等等。
注意当对组使用重复操作符时缓存里后向引用内容会被不断刷新只保留最后匹配的内容需要注意括号的位置。
例如([abc])\1 将匹配“cabcab”但是([abc])\1 却不会。
因为([abc])第一次匹配“c”时“\1”代表“c”然后([abc])会继续匹配“a”和“b”。最后“\1”代表“b”所以它会匹配“cabb”。
6.1 捕获 分类 代码 说明 捕获 (exp) 匹配exp,并捕获文本到自动命名的组里 (?nameexp) 匹配exp,并捕获文本到名称为name的组里也可以写成(?nameexp) (?:exp) 匹配exp,不捕获匹配的文本也不给此分组分配组号 注释 (?#comment) 这种类型的分组不对正则表达式的处理产生任何影响用于提供注释让人阅读 (?!4)56(?9)
查找56要求前面不能是4后面必须是9。因此可以匹配如下文本 5569 与4569不匹配。 提取字符串 da12bka3434bdca4343bdca234bm中包含在字符a和b之间的数字但是这个a之前的字符不能是cb后面的字符必须是d才能提取。
先写出含有捕获组的正则表达式[^c]a\d*bd
再将其变为非捕获组的正则表达式(?[^c]a)\d*(?bd) 7、运算符优先级
在构造正则表达式之后就可以象数学表达式一样来求值也就是说可以从左至右并按照一个优先权顺序来求值。
下图从上到下优先级降低从左往右优先级降低 操作符 说明 \ 转义符 (), (?:), (?), [] 圆括号和方括号 *, , ?, {n}, {n,}, {n,m} 限定符 ^, $, \元字符, 一般字符 位置和顺序 | 或操作 示例ab?(c|de*)|fg 的含义 由于括号的存在所以(c|de*)是一个整体结构。 在(c|de*)中注意其中的量词*因此e*是一个整体结构。 又因为分支结构“|”优先级最低因此c是一个整体、而de*是另一个整体。 整个正则分成了 a、b?、(...)、f、g。而由于分支又可以分成ab?(c|de*)和fg。 备注
-- 注意hive中转义 转义字符即需要两个\\presto中则需要一个转义即可。 select regexp_replace(cab:cab2020,^([abc]):\\1(\\d)$,$0,name:$1,year$2)
