网站后台模板 免费,新网站多久被收录,深圳做网站google推广,建设网站的目的和功能定位今天学习了一早上正则表达式。如下内容部分转载自《读懂正则表达式就这么简单》
一、什么是正则表达式
正则表达式是一种特殊的字符串模式#xff0c;用于匹配一组字符串#xff0c;就好比用模具做产品#xff0c;而正则就是这个模具#xff0c;定义一种规则去匹配符合规…今天学习了一早上正则表达式。如下内容部分转载自《读懂正则表达式就这么简单》
一、什么是正则表达式
正则表达式是一种特殊的字符串模式用于匹配一组字符串就好比用模具做产品而正则就是这个模具定义一种规则去匹配符合规则的字符。
1.2 常用的正则匹配工具
在线匹配工具 1. http://www.regexpal.com/ 2. http://rubular.com/ 3. http://tools.jb51.net/regex/create_reg 4. txt2re 这个在线网站支持解析一句话从中可以生成匹配的正则表达式且可以生成诸多类型的代码。语言支持Perl PHP Python Java Javascript ColdFusion C C Ruby VB VBScript J#.net C#.net C.net VB.net
正则匹配软件
McTracer
用过几个之后还是觉得这个是最好用的支持将正则导成对应的语言如java C# js等还帮你转义了Copy直接用就行了很方便另外支持把正则表达式用法解释如哪一段是捕获分组哪段是贪婪匹配等等总之用起来 So Happy .
二 正则字符简单介绍
关于这部分建议跳到 《读懂正则表达式就这么简单》 里面有很详细的介绍。
另外关于python的正则表达式主要使用re模块。
我们以任务为导向介绍python正则表达式的用法。 假设给我们下面这段话
I1113 23:35:50.763059 4460 solver.cpp:218] Iteration 400 (27.3075 iter/s, 0.7324s/20 iters), loss 0.0202583
I1113 23:35:50.763141 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.00101873 (* 1 0.00101873 loss)
I1113 23:35:50.763165 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.0192396 (* 1 0.0192396 loss)
I1113 23:35:50.763175 4460 sgd_solver.cpp:105] Iteration 400, lr 0.001
I1113 23:35:51.751206 4460 solver.cpp:218] Iteration 420 (20.2456 iter/s, 0.987868s/20 iters), loss 0.00228514
I1113 23:35:51.751341 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.00140554 (* 1 0.00140554 loss)
I1113 23:35:51.751379 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.000879596 (* 1 0.000879596 loss)
I1113 23:35:51.751410 4460 sgd_solver.cpp:105] Iteration 420, lr 0.001
I1113 23:35:52.523890 4460 solver.cpp:218] Iteration 440 (25.8933 iter/s, 0.772401s/20 iters), loss 0.0132958
I1113 23:35:52.523974 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.00312161 (* 1 0.00312161 loss)
I1113 23:35:52.523988 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.0101742 (* 1 0.0101742 loss)
I1113 23:35:52.523998 4460 sgd_solver.cpp:105] Iteration 440, lr 0.001
I1113 23:35:53.461998 4460 solver.cpp:218] Iteration 460 (21.3325 iter/s, 0.937539s/20 iters), loss 0.0154897
I1113 23:35:53.462057 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.00780452 (* 1 0.00780452 loss)
I1113 23:35:53.462069 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.00768522 (* 1 0.00768522 loss)
I1113 23:35:53.462082 4460 sgd_solver.cpp:105] Iteration 460, lr 0.001
I1113 23:35:54.356657 4460 solver.cpp:218] Iteration 480 (22.3584 iter/s, 0.894517s/20 iters), loss 0.00275768
I1113 23:35:54.356729 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.00107937 (* 1 0.00107937 loss)
I1113 23:35:54.356739 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.00167831 (* 1 0.00167831 loss)
I1113 23:35:54.356748 4460 sgd_solver.cpp:105] Iteration 480, lr 0.001
I1113 23:35:55.153437 4460 solver.cpp:218] Iteration 500 (25.1734 iter/s, 0.79449s/20 iters), loss 0.0230187
I1113 23:35:55.153519 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.0105348 (* 1 0.0105348 loss)
I1113 23:35:55.153530 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.0124839 (* 1 0.0124839 loss)
I1113 23:35:55.153542 4460 sgd_solver.cpp:105] Iteration 500, lr 0.001
I1113 23:35:56.104395 4460 solver.cpp:218] Iteration 520 (21.0352 iter/s, 0.950785s/20 iters), loss 0.0144106
I1113 23:35:56.104485 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.00135394 (* 1 0.00135394 loss)
I1113 23:35:56.104504 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.0130567 (* 1 0.0130567 loss)
I1113 23:35:56.104521 4460 sgd_solver.cpp:105] Iteration 520, lr 0.001
I1113 23:35:56.854631 4460 solver.cpp:218] Iteration 540 (26.6699 iter/s, 0.749909s/20 iters), loss 0.0167331
I1113 23:35:56.854696 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.00285695 (* 1 0.00285695 loss)
I1113 23:35:56.854710 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.0138762 (* 1 0.0138762 loss)
I1113 23:35:56.854720 4460 sgd_solver.cpp:105] Iteration 540, lr 0.001
I1113 23:35:57.824692 4460 solver.cpp:218] Iteration 560 (20.6206 iter/s, 0.969902s/20 iters), loss 0.00817935
I1113 23:35:57.824774 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.00557839 (* 1 0.00557839 loss)
I1113 23:35:57.824791 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.00260096 (* 1 0.00260096 loss)
I1113 23:35:57.824806 4460 sgd_solver.cpp:105] Iteration 560, lr 0.001
I1113 23:35:58.670575 4460 solver.cpp:218] Iteration 580 (23.6486 iter/s, 0.845714s/20 iters), loss 0.00420315
I1113 23:35:58.670637 4460 solver.cpp:237] Train net output #0: rpn_cls_loss 0.0020043 (* 1 0.0020043 loss)
I1113 23:35:58.670648 4460 solver.cpp:237] Train net output #1: rpn_loss_bbox 0.00219884 (* 1 0.00219884 loss)
I1113 23:35:58.670658 4460 sgd_solver.cpp:105] Iteration 580, lr 0.001
I1114 00:34:17.348683 4460 sgd_solver.cpp:105] Iteration 79980, lr 0.0001
speed: 0.044s / iter
Wrote snapshot to: /data1/caiyong.wang/program/py-faster-rcnn/output/faster_rcnn_alt_opt/voc_2007_trainval/zf_rpn_stage1_iter_80000.caffemodel
希望我们解析出
Iteration 500 (25.1734 iter/s, 0.79449s/20 iters), loss 0.0230187
中的Iteration与loss值。 其实这是faster rcnn生成的log文件一部分。
我们通过上面的语法学习在MTracer中生成了正则表达式
\bIteration\s(?Iteration\d)\s\(.*\).*loss\s\s(?loss\d*\.*\d)\b
注.*表示除换行符以外的任意字符*表示0个或多个 并且采用多行模式解析出了我们想要的结果。 上面的表达式中我们使用了捕获分组。 如下图 那么如何转化成python代码 正确的代码如下import repattern re.compile(r\bIteration\s(?PIteration\d)\s\(.*\).*loss\s\s(?Ploss\d*\.*\d)\b)
arrpattern.search(I1113 23:35:50.763059 4460 solver.cpp:218] Iteration 400 (27.3075 iter/s, 0.7324s/20 iters), loss 0.0202583)
arr.groups()
arr.group()
arr.group(Iteration)
arr.group(loss)
结果为
arr.groups()
Out[147]: (400, 0.0202583)arr.group()
Out[148]: Iteration 400 (27.3075 iter/s, 0.7324s/20 iters), loss 0.0202583arr.group(Iteration)
Out[149]: 400arr.group(loss)
Out[150]: 0.0202583
这里python的命名组与以往的不一样使用的是 (?Pnameexp) 取代(?nameexp)
而且compile里面必须加上r。 参考文献
http://blog.csdn.net/lwnylslwnyls/article/details/8901273https://www.cnblogs.com/tk091/p/3702307.htmlPYTHON的RE模块理解RE.COMPILE、RE.MATCH、RE.SEARCH
三 python正则表达式的其他用法。
多行匹配
python多行匹配
r re.compile(需要的正则表达式, re.M)
匹配到需要的字符可以获取红括号内的数字
r re.compile(r([0-9]{5,}))
举个例子 需要获取20462和24729连个数字
import re
data r24062 line1hello word !!!!r24729 line2revision:24181r re.compile(^r([0-9]{5,}), re.M)nums r.findall(data)print nums---------------------
output:[24062, 24729]
注{5,}表示至少重复5次 2. 无捕获分组 当你要将一部分规则作为一个整体对它进行某些操作比如指定其重复次数时你需要将这部分规则用
(?:)
把它包围起来。
分支条件 在正则表达式中分支条件是一个很常用的条件。
满足条件A 或者 满足条件B 这个时候我们就可以使用分支条件了。
分支条件使用的符号为
|
代码示例 我们突然发现它把字符串分割成两个部分了
I have a dog 和 cat 而不是 I have a dog 和 I have a cat
如果我们只要区分dog和cat呢正则要怎么写我添加一个括号试试 还是不对前面的 “I have a ”根本没有匹配
正确的写法是应该使用无捕获分组
参考正则表达式-python-无捕获分组与分支选择
