Matlab 正则表达式
1 引言2 单个字符匹配2.1 元字符2.2 特殊字符 3 字符串匹配3.1 多次匹配3.2 零宽断言/环顾断言（左顾右盼）——利用上下文匹配3.3 逻辑条件匹配 4 标记(tokens)匹配5 动态正则表达式6 搜索标志7 多行字符串与多正则表达式7.1 多字符串与单个正则表达式匹配7.2 多个字符串与多个正则表达式匹配7.3 多字符串的替换 8 结语参考文献使用Matlab处理字符串及文本时，需要与 正则表达式打交道。 正则表达式是一个非常重要的编程概念，主流的编程语言都对正则表达式进行了很好的支持，Matlab也不例外。
本期推文就让我们来总结一下Matlab提供的正则表达式吧！
1 引言
正则表达式(Regular Expression)，又称规则表达式，本质上是一串字符，它定义了某种字符串模式，通常被用来检索、替换那些符合某个模式(规则)的文本。
Matlab 提供的正则表达式库函数主要有三个：
(1) regexp—用于对字符串进行查找，大小写敏感；
(2) regexpi—用于对字符串进行查找，大小写不敏感；
(3) regexprep—用于对字符串进行查找并替换。
下面主要介绍一下 regexp 这个函数的主要用法：
用法1：
[startIndex, endIndex] = regexp(str, expression)返回所有匹配项的开始和结束索引。
用法2：
out = regexp(str, expression, outkey)返回outkey指定的输出。例如，如果outkey为'match'，则regexp返回与该表达式匹配的子字符串而非其开始索引。outkey通常的取值有：
用法3：
[out1, ..., outN] = regexp(str, expression, outkey1, ..., outkeyN)按指定的顺序返回多个输出关键字指定的输出。例如，如果指定match、tokens，则 regexp 返回与整个表达式匹配的子字符串以及与部分表达式匹配的标文。
用法4：
___ = regexp(___, option1, ..., optionM)使用指定的选项标志修改搜索。例如，指定 ‘ignorecase’ 以执行不区分大小写的匹配。可以包括任何输入并请求之前语法中的任何输出。
用法5：
___ = regexp(___, 'forceCellOutput')以标量元胞的形式返回每个输出参数。元胞包含被描述为上述语法输出的数值数组或子字符串。可以包括任何输入并请求之前语法中的任何输出。
2 单个字符匹配
正则表达式，指定为字符向量、字符向量元胞数组或字符串数组。
每个表达式可包含字符、元字符、运算符、标文和用于指定在 str 中匹配的模式的标志。
2.1 元字符
元字符表示字母、字母范围、数字和空格字符。使用它们来构造广义的字符模式。
. 匹配任何单个字符，包括空格和换行符。例..ain与以ain结尾的五个连续字符序列匹配。
[] 匹配括号内的任意字符，$,|,.,*,+,?,-这些字符按字面匹配。例[rp.]ain'与rain、pain或.ain'匹配。
[^] 匹配除括号内字符的其它任意字符。例[^*rp]ain与以ain结尾的所有由四个字母组成的序列（rain、pain'和*ain除外）匹配。如，它与gain、lain或vain匹配。
[a-b] 匹配a-b范围中的任意字符，如[a-z],A-Z,[0-9],A-y,[10-99]。
\w 匹配任意英文字母、数字、下划线，等价于[a-z_A-Z0-9]或[a-zA-Z_0-9]。例\w*标识一个单词。
\W 匹配任意非英文字母、数字、下划线，等价于[^a-zA-Z_0-9]。例\W*标识非单词项。
\s 匹配任意非空白（空格）字符，等价于[\f\n\r\t\v]。 如\w*n\s与以字母 n 结尾且后跟空白字符的单词匹配。
注： 字符表示
\S 匹配任意非空白字符，等价于[^ \f\n\r\t\v]。例\d\S与数字（后跟任意非空白字符）匹配。
\d 匹配任意数字，等价于[0-9]。例\d*与任意数量的连续数字匹配。
\D 匹配任意非数字，等价于[^0-9]。例\w*\D\>与不以数字结尾的单词匹配。
oN或\o{N} 匹配八进制数N对应的Unicode字符。例\o{40}与八进制40定义的空格字符匹配。
xN或\x{N} 匹配十六进制数N对应的Unicode字符。例\x2C与十六进制2C定义的逗号字符匹配，[\x4e00-\x9fa5]匹配任意汉字。
2.2 特殊字符
\char 匹配表达式中的特殊字符，进行转义。$，^，*，(，)，+，=，{，}，<，>，|，.，\，?，-。这些特殊字符前边加上\将会对其转义，使得匹配他们的字面值。
3 字符串匹配
3.1 多次匹配
元字符及其特殊字符的匹配，每次只能匹配一个字符，如果需要匹配多个字符，即字符串的匹配，那么就要重复好几次元字符的表达式。
比如，匹配mmm，那么就可以用正则表达式mmm, 但还有一种更简单的表示法m{3}。其中{}表示匹配前面的表达式出现的次数，称为限定符，m{2, 3}匹配mm和mmm。
除了{}限定符，还有其他常用的一些限定符，描述如下：
expr* 与expr匹配的元素出现0或更多次，相当于{0, }。例\w*与任意长度的单词匹配。
expr？ 与expr匹配的元素出现0或1次，相当于{0, 1}。例\w*(\.m)?与单词或以扩展名 .m 结尾（此条件为可选条件）的单词匹配。
expr+ 与expr匹配的元素出现1或更多次，相当于{1, }。例<img src="\w+\.gif">与 HTML 标记匹配（当文件名包含一个或多个字符时）。
expr{n} 与expr匹配的元素出现n次，相当于{n, n}。 例\d{4}与四个连续数字匹配。
expr{n, m} 与expr匹配的元素至少出现n次但不多于m次 。例\S{4,8}与四到八个非空白字符匹配。
expr{n, } 与expr匹配的元素至少出现n次。 例<a href="\w{1,}\.html">'与 HTML 标记匹配（当文件名包含一个或多个字符时）。
假设我们要在文本中搜索美国的社会安全号码，号码的格式是000-00-0000，那么匹配它的正则表达式可以写为\d{3}\-\d{2}\-\d{4}。 注意到-是特殊字符，所以用\-进行了转义。
如果希望字符号码连续出现，如000000000，也可以不出现，即000-00-0000。上面两种形式都属于正确的格式，这时可以在字符-后面加上数量限定符?，因此表达式可改写为\d{3}\-?\d{2}\-?\d{4}\-?。
另外，当我们使用expr*时，Matlab 将尽可能的匹配最长的字符字串，如
s = '<tr valign=top><td><a name="19184"></a>xyz';regexp(s, '<.*>', 'match')
输出：
{'<tr valign=top><td><a name="19184"></a>'}
如果我们希望匹配尽可能短的字符字串时，可以在上面使用的表达式后加个?， 即.*?，如
s = '<tr valign=top><td><a name="19184"></a>xyz';regexp(s, '<.*?>', 'match')
输出：
{'<tr valign=top>'} {'<td>'} {'<a name="19184">'} {'</a>'}
上面的例子说明了对限定符的一种显示模式之一。
下面具体说明限定符的三种模式——限定修饰符，简单起见，用q表示上述6个限定符中的任意一个。
exprq积极表达式：与尽可能多的字符匹配。如给定文本<tr><td><p>text</p></td>，表达式</?t.*>匹配介于 <tr 和 /td> 之间的所有字符。
exprq？消极表达式：与所需的尽可能少的字符匹配。如文本<tr><td><p>text</p></td>，表达式</?t.*?>在第一次出现右尖括号 (>) 时结束每个匹配项：{'<tr>'} {'<td>'} {'</td>'}。
exprq+主动表达式：最大程度地匹配，但不重新扫描文本的任何部分。如给定文本<tr><td><p>text</p></td>，表达式</?t.*+>不返回任何匹配项，这是因为右尖括号是使用 .* 捕获的且不进行重新扫描。
3.2 零宽断言/环顾断言（左顾右盼）——利用上下文匹配
利用上下文匹配可以说非常常用，比如想要提取一段文本中特定的部分内容，那么零宽断言就非常适合干这类事情。
零宽断言查找紧邻预期匹配项前后但并非该匹配项一部分的模式。
指针停留在当前位置，并且将放弃或不捕获对应于 test 表达式的字符。因此，前向断言可匹配重叠字符组。
在介绍零宽断言之前，先介绍下定位点。表达式中的定位点与文本或单词的开头或结尾匹配。
^expr 匹配以expr开头的字符串。如^M\w*与以 M 作为文本开头的单词匹配。expr$ 匹配以expr结尾的字符串。如 '\w*m$’ 与以 m 作为文本结尾的单词匹配。\<expr 匹配以expr开头的英文单词。如\<n\w*与以 n 开头的任何单词匹配。expr\> 匹配以expr结尾的英文单词。如\w*e\>与以 e 结尾的任何单词匹配。
回过头来，下面我们介绍零宽断言
expr(?=test) 先行断言：向前查找与test匹配的字符。即匹配后面跟的字符是test的字符。如\w*(?=ing)匹配后跟 ing 的词汇，匹配输入文本Flying, not falling.中的Fly和fall。特殊情况：expr(?=$)等价于expr$和expr(?=\>)等价于expr\>。
expr(?!test) 负向先行断言：向前查找与test不匹配的字符。即匹配后面跟的字符不是test的字符。如i(?!ng)匹配字母 i 的后面不跟 ng 的字符。
(?<=test)expr 后发断言：向后查找与 test 匹配的字符。即匹配前面的字符有test的字符。如(?<=re)\w*匹配紧跟re的词汇，例如输入文本renew, reuse, recycle中的new、use和cycle。特殊情况：(?<=^)expr等价于^expr和(?<=\<)expr等价于\<expr。
(?<!test)expr 负向后发断言：向后查找与 test 不匹配的字符。即匹配前面的字符没有test的字符。如(?<!\d)(\d)(?!\d)与一位数字匹配（不紧随其他数字前后的数字）。
实际应用中，可以通过组合上面4中断言进行文本内容的提取，比如我们想要提取'<a href="">'文本中的网址，那么可以同时使用先行和后发断言，“左顾右盼”来提取网址内容：
s = '<a href="">';regexp(s, '(?<=<a href=").*?(?=">)', 'match')
输出：
{''}。
3.3 逻辑条件匹配
如果我们在表达式之前指定先行断言，即(?=test)expr等，则运算等同于逻辑 AND。这一点比较容易混淆。
(?=test)expr 同时与test和expr匹配。如(?=[a-z])[^aeiou]与辅音匹配。(?!test)expr 匹配expr，但不匹配test。如(?![aeiou])[a-z]与辅音匹配。
逻辑和条件运算符允许我们测试给定条件的状态，然后使用结果确定哪个模式（如果有）与下一条件匹配。这些运算符支持逻辑OR、if或if/else条件。
条件可以是标文、环顾运算符或 (?@cmd) 形式的动态表达式。动态表达式必须返回逻辑值或数值。
条件运算法：
expr1 | expr2 匹配表达式expr1或表达式expr2。比如(let|tel)\w+匹配以 let 或 tel 开头的单词。
(?(cond)expr) 如果条件cond为true，则匹配expr。如(?(?@ispc)[A-Z]:\\)匹配驱动器名称，例如 C:\（在 Windows® 系统上运行时）。
(?(cond)expr1 | expr2) 如果条件cond为true，则匹配expr1。否则，匹配expr2。如Mr(s?)\..*?(?(1)her|his) \w*匹配包含 her 的文本（当文本以 Mrs 开头时），或包含 his 的文本（当文本以 Mr 开头时）。
4 标记(tokens)匹配
标记这部分是较难的一部分，但是使用得当可以实现非常强大的功能。
任何的正则表达式都可以用圆括号括起来作为一个标记。可以按标记在文本中的顺序引用该标记（顺序标记），或将名称分配给标记以便于代码维护和使输出更易于阅读。
(expr) 匹配expr并创建标记。如Joh?n\s(\w*)捕获一个标记，该标记包含名字为 John 或 Jon 的任何人的姓氏。(?:expr) 匹配expr，不创建标记。(?>expr) 匹配expr，不创建标记，不回溯扫描。(expr1|expr2) 匹配expr1或者expr2，创建标记。\N 匹配第N个标记，N从1开始。如<(\w+).*>.*</\1>从文本<title>Some text</title>捕获 HTML 标记的标文，例如title。(?(N)expr1|expr2) 如果找到第 N 个标文，则匹配expr1。否则，匹配expr2。如Mr(s?)\..*?(?(1)her|his) \w*匹配包含her的文本（当文本以Mrs开头时），或包含his的文本（当文本以Mr开头时）。(?expr) 匹配expr并创建命名为name的标记。(?<month>\d+)-(?<day>\d+)-(?<yr>\d+)在mm-dd-yy形式的输入日期中创建命名月、日和年标记。\k 匹配名为name的标记。<(?<tag>\w+).*>.*</\k<tag>>从文本<title>Some text</title>捕获 HTML 标记的标文，例如title。(?(name)expr1|expr2) 若存在名为name的标记，则匹配expr1，否则匹配expr2。如Mr(?<sex>s?)\..*?(?(sex)her|his) \w*匹配包含her的文本（当文本以Mrs开头时），或包含his的文本（当文本以 Mr 开头时）。
5 动态正则表达式
动态表达式允许我们执行 MATLAB 命令或正则表达式以确定要匹配的文本。
将动态表达式括起来的括号不创建捕获组。
(??expr) 解析expr并将得到的项包括在匹配表达式中。解析后，expr必须对应于完整的有效正则表达式。使用反斜杠转义字符(\)的动态表达式需要两个反斜杠：一个用于expr的初始解析，一个用于完整匹配。如^(\d+)((??\\w{$1}))通过读取匹配项开头的数字确定匹配的字符数。（\w，\W，\d，\D，\s，\S，和\char这些在动态表达式中需要再加个\）。动态表达式括在另一组括号中，以便在标记中捕获生成的匹配项。例如，匹配5XXXXX将捕获5和XXXXX的标文。(??@cmd) 执行cmd表示的 MATLAB 命令，并将该命令返回的输出包括在匹配表达式中。(.{2,}).?(??@fliplr($1))查找长度至少为四个字符的回文，例如abba。(?@cmd) 执行cmd表示的 MATLAB 命令，但放弃该命令返回的任何输出。（对诊断正则表达式有帮助。）\w*?(\w)(?@disp($1))\1\w*匹配包括双字母（例如 pp）的单词并显示中间结果。
在动态表达式中，使用下列运算符定义替代文本。
注释：
(?#comment) 在正则表达式中插入注释。匹配输入时将忽略注释文本。如(?# Initial digit)\<\d\w+包括一个注释，并匹配以一个数字开头的单词。
6 搜索标志
搜索标志修改匹配表达式的行为。在表达式中使用搜索标志的替代方法是传递 option 输入参数。
该标志修改的表达式可显示在括号后，例如
(?i)\w*
或显示在括号内并使用冒号 (😃 与该标志分隔开，例如
(?i:\w*)
7 多行字符串与多正则表达式
7.1 多字符串与单个正则表达式匹配
多个字符串存在一个元胞数组里之后，每一个字符串与正则表达式匹配，返回值的维数与元胞数组的维数相同。
s = {'letter'; 'tell'; 'lethal'; 'television'; 'other'};regexp(s, '(let|tel)\w+', 'match')
输出：
5x1的cell。
7.2 多个字符串与多个正则表达式匹配
这种情况下，应该满足字符串元胞数组中字符串的个数和正则表达式的个数相等，但维数不一定要相等。
如可以用5x1的元胞数组与1x4的正则表达式相匹配。
s = {'letter'; 'tell'; 'lethal'; 'television'; 'other'};expr = {'^t\w+?', '\w+r?$', '\<le\w+?', '\w+er\>?', 'l.*r?'};regexp(s, expr, 'match')
7.3 多字符串的替换
这个功能是在匹配的基础上，在表达式后面加入要替换的字符串即可。
s = {'letter'; 'tell'; 'lethal'; 'television'; 'other'};s1 = regexprep(s, '(.)\1', '**', 'ignorecase');
输出：
8 结语
使用正则表达式的过程中，如果是每天与它打交道，也就很容易记住这些规则，孰能生巧，然而长时间不使用正则表达式，就会渐渐的生疏。
因此推文总结了正则表达式常用的用法和一些相关示例说明，没事干的时候就刷一刷，帮助记忆、理解。同时，希望能够帮助有相同需要的朋友。
参考文献
匹配正则表达式（区分大小写） - MATLAB regexp - MathWorks 中国
Matlab的正则表达式：字符串及文本处理的利器（上）
Matlab的正则表达式：字符串及文本处理的利器（下）
Luo H . MATLAB GUI设计学习手记 (第3版)[J]. .
本文首发于 微信公众号：清贫王子
