|
词库软件 的应用
[正则表达式基本知识】
1.匹配单个单词：\b单词\b
he→\bhe\b
2.将每行第一个字符删除：^.→空
行首：^
任意单个字符：.
3.将每行第一个字母删除：^[a-z]或^\l→空
匹配范围内的字符：[ ]
匹配单个字母：[a-z](可不区分大小写)或\l(小写)或\u(大写)
匹配数字：[0-9]或\d
匹配中文：[\x{4e00}-\x{9fa5}]
4.将每行前两个字母删除：^\l{2}→空
最少匹配n次，最多匹配m次：{n,m}
匹配n次：{n}
5.将所有编码删除：^\l{1,4}_或^\l+_→空（“_”指空格）
匹配1次或多次：+
匹配0次或多次：*
匹配0次或1次：?
非贪婪模式：+?或*?或??或{n,m}?
【贪婪模式】：在整个表达式匹配成功的前提下，尽可能多地匹配；
【非贪婪模式】：在整个表达式匹配成功的前提下，尽可能少地匹配。
6.将所有空行删除：^[_\t]*\n→空
【空行】：含有零个或零个以上空格或制表符，不含其他字符的行）
将行末的空格删除：_+$→空（行末：$）
换行符：\n
7.每行前面加两个全角空格：^→(两个全角空格)
8.转义符
匹配 ^$.*+?\ 等字符需要用转义符：
\^ \$ \. \* \+ \? \\
其他转义符：\n换行 \t制表符
9.将前300字调整为每字一行：.→\0\n
引用整个表达式：\0
10.将前300调整为每字一/两行交替：(.{2})(.)→\1\n\2\n
子表达式分组：( )
引用第z个表达式(z=1,2,3...)：\z
11.去掉词库中的生僻字
①~.→空（去掉生僻字）
② +$→空（去掉行末空格）
③^\l{1,4}\n（去掉纯编码行）
|
