regexprep

使用正则表达式替换文档单词中的文本

折叠所有页面

语法

newDocuments = regexprep(文档、表达式替换)

描述

文本分析工具箱™为常见的文本预处理步骤提供函数。例如，要删除标点和符号字符，请使用erasePunctuation或者用波特的词干去掉词干，用normalizeWords．有关更多信息，请参见文本数据准备．

例子

newDocuments= regexprep (文档，表达式，取代）替换所有出现的正则表达式表达式用…的话来说文档带着文本取代．

该函数独立匹配每个单词。匹配不需要跨越整个单词。

例子

全部折叠

用文字更新文本

打开生活的脚本

替换以“s”,最后“e”，且两者之间至少有一个字符。要匹配整个单词，请使用“^”匹配单词和的开头“$”匹配单词的末尾。

文件= tokenizedDocument ([．..一个短句的例子第二个短句]）

documents = 2x1 tokenizedDocument: 6个token:一个短句的例子4个token:第二个短句

表达=“^ (\ w +) e $”；取代=“东西”；newDocuments = regexprep(文档、表达式替换)

newDocuments = 2x1 tokenizedDocument: 6个令牌:一个简短的例子4个令牌:第二个简短的东西

如果你不使用“^”和“$”，则可以匹配单词的子字符串。用“_”替换所有元音字母。

表达=”“五个母音字母；取代=“\ _”；newDocuments = regexprep(文档、表达式替换)

newDocuments = 2x1 tokenizedDocument: 6 tokens: _n _x_mpl_ _f_ sh_rt s_nt_nc_ 4 tokens: _ s_c_nd sh_rt s_nt_nc_ . newDocuments = 2x1 tokenizedDocument: 6 tokens: _n _x_mpl_ _f_ sh_rt s_nt_nc_

在Word替换中包括捕获的令牌

打开生活的脚本

替换单词的变化“走”通过捕捉后面的字母“走”．

文件= tokenizedDocument ([“我走了”“他们走了”“我们走”]）

2 token:我走2 token:他们走3 token:我们在走

表达=“走”(\ w *)；取代=“提升1美元”；newDocuments = regexprep(文档、表达式替换)

newDocuments = 3x1 tokenizedDocument: 2 token:我提升2 token:他们提升3 token:我们在提升

输入参数

全部折叠

`文档`- - - - - -输入文档
`tokenizedDocument`数组

输入文档，指定为tokenizedDocument数组中。

`表达式`- - - - - -正则表达式
特征向量|字符向量的单元格数组|字符串数组

正则表达式，指定为字符向量、字符向量的单元格数组或字符串数组。每个表达式可以包含指定要匹配的模式的字符、元字符、操作符、标记和标志str．

下表描述了正则表达式的元素。

元字符

元字符代表字母、字母范围、数字和空格字符。用它们来构造一个通用的字符模式。

元字符	描述	例子
`．`	任何单个字符，包括空白	`“……是”`匹配以。结尾的五个连续字符序列`“是”`．
`[c₁c₂c_3.］`	方括号内包含的任何字符。以下字符按字面意思处理:`$ \|。* + ?`和`-`当不用于指示范围时。	`“(rp)是”`匹配`“雨”`或`“痛苦”`或`“.ain”`．
`[c ^₁c₂c_3.］`	方括号内不包含的任何字符。以下字符按字面意思处理:`$ \|。* + ?`和`-`当不用于指示范围时。	`“[^ * rp]还”`匹配所有以。结尾的四字母序列`“是”`,除了`“雨”`和`“痛苦”`和`‘*是‘`．例如，它匹配`“获得”`，`“躺”`,或`“虚空”`．
`[c`₁`- c`₂`］`	范围内的任何字符`c`₁通过`c`₂	`“[g]”`匹配范围内的单个字符`一个`通过`G`．
`\ w`	任何字母、数字或下划线字符。对于英文字符集，`\ w`相当于`(a-zA-Z_0-9)`	`“\ w *”`标识由字母、数字或下划线字符组成的单词。
`\ W`	任何非字母、数字或下划线的字符。对于英文字符集，`\ W`相当于`[^ a-zA-Z_0-9]`	`“\ W *”`标识不是由任何字母、数字或下划线字符组组成的单词的术语。
`\ s`	任何空白字符;相当于`[v \ f t \ n \ r \ \]`	`' \ w * n \ s '`匹配以字母结尾的单词`ngydF4y2Ba`，后面跟着空白字符。
`\ S`	任何非空白字符;相当于`[^ \ v f t \ n \ r \ \]`	`' \ d \ S '`匹配后跟任何非空格字符的数字。
`\ d`	任何数字;相当于`[0 - 9]`	`“\ d *”`匹配任意数量的连续数字。
`\ D`	任何数字字符;相当于`(^ 0 - 9)`	`“\ w * \ D \ >”`匹配不以数字结尾的单词。
`上的\`或`阿\ {N}`	八进制值的特征`N`	`“\ o{40}”`匹配由八进制定义的空格字符`40`．
`\ xN`或`x \ {N}`	十六进制值的特征`N`	`“\ x2C”`匹配由十六进制定义的逗号字符`2摄氏度`．

字符表示

操作符	描述
`、一个`	报警(嘟)
`\ b`	退格
`\ f`	换页
`\ n`	新行
`r \`	回车
`\ t`	水平选项卡
`v \`	垂直制表符
`＼字符`	任何在正则表达式中具有特殊含义的字符，您希望按字面意义匹配(例如，use`＼＼`要匹配单个反斜杠)

量词

限定符指定模式在匹配文本中必须出现的次数。

量词	表达式发生的次数	例子
`expr *`	连续0次或更多次。	`“\ w *”`匹配任意长度的单词。
`expr吗?`	0乘以1乘以。	`“\ w * (\ . m) ?”`匹配可选以扩展名结尾的单词`00`．
`expr +`	连续1次或更多。	`' < img src = " \ w + \ . gif”>“`匹配一个`< img >`当文件名包含一个或多个字符时，标记。
`expr {m, n}`	至少`米`时间，但仅此而已`ngydF4y2Ba`*连续。 `{0,1}`相当于`？`．	`\年代{4 8}`匹配4到8个非空格字符。
`expr {m,}`	至少`米`*连续。 `{0}`和`{1,}`相当于`＊`和`+`,分别。	`' < a href = " {1,} \ \ w . html”>“`匹配一个`<一>`当文件名包含一个或多个字符时，标记。
`expr {n}`	完全`ngydF4y2Ba`*连续。相当于`{n, n}`．	`“\ d{4}”`匹配四个连续的数字。

量词可以以三种方式出现，如下表所示。问表示上表中的任何量词。

模式	描述	例子
`expr`问	贪婪表达式:匹配尽可能多的字符。	考虑到文本`' < tr > < td > < p >文本< / p > < / td >”`,该表达式`“* > < / ? t。”`匹配之间的所有字符`< tr`和`/ td >`： `' < tr > < td > < p >文本< / p > < / td >”`
`expr`问`？`	惰性表达式:匹配尽可能少的字符。	考虑到文本`' < tr > < td > < p >文本< / p > < / td >”`,该表达式`' < / t。* ?>”`在右尖括号第一次出现时结束每个匹配(`>`)： `' < tr > ' ' < td > < / td >的`
`expr`问+	所有格表达式:尽可能匹配，但不要重新扫描文本的任何部分。	考虑到文本`' < tr > < td > < p >文本< / p > < / td >”`,该表达式`“* + > < / ? t。”`没有返回任何匹配，因为用`．*`，不重新扫描。

模式

描述

例子

expr问

贪婪表达式:匹配尽可能多的字符。

考虑到文本' < tr > < td > 文本 < / td >”,该表达式“* > < / ? t。”匹配之间的所有字符< tr和/ td >：

' < tr > < td > < p >文本< / p > < / td >”

expr问？

惰性表达式:匹配尽可能少的字符。

考虑到文本' < tr > < td > 文本 < / td >”,该表达式' < / t。* ?>”在右尖括号第一次出现时结束每个匹配(>)：

' < tr > ' ' < td > < / td >的

expr问+

所有格表达式:尽可能匹配，但不要重新扫描文本的任何部分。

考虑到文本' < tr > < td > 文本 < / td >”,该表达式“* + > < / ? t。”没有返回任何匹配，因为用．*，不重新扫描。

分组操作符

分组操作符允许您捕获令牌、将一个操作符应用于多个元素或在特定组中禁用回溯。

分组操作符	描述	例子
`(expr)`	对表达式和捕获标记的元素进行分组。	`“乔? n \年代(\ w *)`捕获一个令牌，该令牌包含任何有名字的人的姓氏`约翰`或`乔恩`．
`(?: expr)`	组，但不捕获令牌。	`”(?:[五个母音字母][^五个母音字母)){2}”`匹配元音和非元音的两个连续模式，例如`“立刻”`．没有分组,`“[五个母音字母][^五个母音字母){2}”`匹配一个元音后面跟着两个非元音。
`(? > expr)`	组自动。不要在组内回溯以完成匹配，也不要捕获令牌。	`“(? >。)Z”`不匹配`“AtoZ”`,虽然`“Z(?: )。”`所做的事。使用原子基团，`Z`被使用`．*`并且没有重新扫描。
`(expr1 \| expr2)`	匹配表达式`expr1`或表达`expr2`．如果有匹配`expr1`,然后`expr2`将被忽略。您可以包括`?：`或`?＞`在开括号后面，以原子方式禁止标记或分组。	`“(让\|电话)\ w +”`匹配包含但不以with结尾的单词`让`或`电话`．

锚

表达式中的锚与输入文本或单词的开头或结尾匹配。

锚	匹配……	例子
`^ expr`	输入文本的开头。	`“^ M \ w *”`匹配以。开头的单词`米`在课文的开头。
`expr美元`	输入文本的结束。	`“\ w * m美元”`匹配以`米`在课文的结尾。
`\ < expr`	单词的开头。	`“\ < n \ w *”`匹配任何以`ngydF4y2Ba`．
`expr \ >`	一个单词的结尾。	`“\ w * e \ >”`匹配任何以。结尾的单词`e`．

看看断言

环视断言查找紧跟在预期匹配之前或之后但不属于匹配部分的模式。

指针保持在当前位置，而对应于测试表达式不会被捕获或丢弃。因此，前向断言可以匹配重叠的字符组。

看看断言	描述	例子
`expr(? =测试)`	向前查找匹配的字符`测试`．	`“\ w * (? = ing)”`匹配后面跟着的术语`荷兰国际集团(ing)`,如`“飞”`和`“秋天”`在输入文本中`“飞行,而不是下降。”`
`expr(? !测试)`	提前查找不匹配的字符`测试`．	`“我(? ! ng)”`匹配的实例的信`我`没有紧随其后的`ng`．
`(? < = expr测试)`	查找匹配的字符`测试`．	`(? < = re) \ w *’`匹配下面的术语`“重新”`,如`“新”`，`“使用”`,`“循环”`在输入文本中`“更新、再利用、再循环”`
`(? < !测试)expr`	查找不匹配的字符`测试`．	`“(? < ! \ d) (\ d) (? ! \ d)”`匹配单个数字(不跟在其他数字前面或后面的数字)。

如果指定了前向断言之前一个表达式，相当于一个逻辑运算和．

操作	描述	例子
`(? =测试)expr`	匹配两个`测试`和`expr`．	`(? = [a - z])[^五个母音字母)”`辅音相匹配。
`(? !测试)expr`	匹配`expr`不匹配`测试`．	`”(? ![五个母音字母])[a - z]”`辅音相匹配。

逻辑和条件运算符

逻辑运算符和条件运算符允许您测试给定条件的状态，然后使用结果来确定下一个匹配的模式(如果有的话)。这些操作符支持逻辑的金宝app或,如果或如果/其他条件。

条件可以是标记、查找操作符或表单的动态表达式(? @cmd)．动态表达式必须返回逻辑或数字值。

条件运算符	描述	例子
`expr1 \| expr2`	匹配表达式`expr1`或表达`expr2`．如果有匹配`expr1`,然后`expr2`将被忽略。	`“(让\|电话)\ w +”`匹配以。开头的单词`让`或`电话`．
`(?(电导率)expr)`	如果条件`气孔导度`是`真正的`,然后匹配`expr`．	`”(? ? @ispc) [a - z]: \ \)”`匹配驱动器名称，例如`C: \`，在Windows上运行时^®系统。
`(?(电导率)expr1 \| expr2)`	如果条件`气孔导度`是`真正的`,然后匹配`expr1`．否则,匹配`expr2`．	`先生(年代 ?)\..?(?( 1)她\|他)\ w ’`匹配包含`她的`当正文以`夫人`，或包括`他的`当正文以`先生`．

条件运算符

描述

例子

expr1 | expr2

匹配表达式expr1或表达expr2．

如果有匹配expr1,然后expr2将被忽略。

“(让|电话)\ w +”匹配以。开头的单词让或电话．

(?(电导率)expr)

如果条件气孔导度是真正的,然后匹配expr．

”(? ? @ispc) [a - z]: \ \)”匹配驱动器名称，例如C: \，在Windows上运行时^®系统。

(?(电导率)expr1 | expr2)

如果条件气孔导度是真正的,然后匹配expr1．否则,匹配expr2．

先生(年代 ?)\..*?(?( 1)她|他)\ w *’匹配包含她的当正文以夫人，或包括他的当正文以先生．

令牌运营商

令牌是通过将正则表达式的一部分括在括号中定义的匹配文本的一部分。您可以通过标记在文本中的顺序(序数标记)引用标记，或者为标记分配名称，以便于代码维护和输出可读。

序数牌运营商	描述	例子
`(expr)`	在标记中捕获与括起来的表达式匹配的字符。	`“乔? n \年代(\ w *)`捕获一个令牌，该令牌包含任何有名字的人的姓氏`约翰`或`乔恩`．
`\ N`	匹配`N`令牌。	`' < (\ w +).>. '`捕获HTML标记的标记，例如`“标题”`从文本中`' <标题>一些文本< /名称>”`．
`(? (N) expr1 \| expr2)`	如果`N`找到令牌，然后匹配`expr1`．否则,匹配`expr2`．	`先生(年代 ?)\..?(?( 1)她\|他)\ w ’`匹配包含`她的`当正文以`夫人`，或包括`他的`当正文以`先生`．

叫牌运营商	描述	例子
`(? <名称> expr)`	在命名标记中捕获与所包含表达式匹配的字符。	`‘(? <月> \ d +) -(? <天> \ d +) -(? <年> \ d +)”`在表单的输入日期中为月、日和年创建命名令牌`mm-dd-yy`．
`\ k <名称>`	匹配引用的令牌`的名字`．	`' <(? <标记> \ w +).>. >”`捕获HTML标记的标记，例如`“标题”`从文本中`' <标题>一些文本< /名称>”`．
`(?(名字)expr1 \| expr2)`	如果找到指定的令牌，则进行匹配`expr1`．否则,匹配`expr2`．	`先生(? <性>年代 ?)\..?(?( 性)她\|他)\ w ’`匹配包含`她的`当正文以`夫人`，或包括`他的`当正文以`先生`．

请注意

如果表达式有嵌套的括号，MATLAB^®捕获与最外层圆括号集对应的标记。例如，给定搜索模式”(和(y |奖赏))”， MATLAB创建令牌“安德鲁”但不是“y”或“报答”．

动态的正则表达式

动态表达式允许您执行MATLAB命令或正则表达式来确定要匹配的文本。

动态表达式的括号不创建捕获组。

操作符	描述	例子
`(? ? expr)`	解析`expr`并将结果项包含在匹配表达式中。当解析,`expr`必须对应一个完整的、有效的正则表达式。使用反斜杠转义字符的动态表达式(`＼`)需要两个反斜杠:一个用于初始解析`expr`，一个代表完全匹配。	`' ^ (\ d +) ((? ? \ \ w美元{1}))”`通过读取匹配开头的数字来确定要匹配多少字符。动态表达式被包含在第二组括号中，因此结果匹配被捕获到一个令牌中。例如,匹配`“5 xxxxx”`捕捉标记为`“5”`和`“XXXXX”`．
`(? ? @cmd)`	执行表示的MATLAB命令`cmd`，并将命令返回的输出包含在匹配表达式中。	`”({2})。? (? ? @fliplr(1美元))”`查找长度至少为4个字符的回文，例如`“神父”`．
`(? @cmd)`	执行表示的MATLAB命令`cmd`，但丢弃命令返回的任何输出。(有助于诊断正则表达式。)	`‘\ w * ? (\ w) (? @disp(1美元))\ 1 \ w *’`匹配包含双字母的单词(例如`页`)，并显示中间结果。

操作符

描述

例子

(? ? expr)

解析expr并将结果项包含在匹配表达式中。

当解析,expr必须对应一个完整的、有效的正则表达式。使用反斜杠转义字符的动态表达式(＼)需要两个反斜杠:一个用于初始解析expr，一个代表完全匹配。

' ^ (\ d +) ((? ? \ \ w美元{1}))”通过读取匹配开头的数字来确定要匹配多少字符。动态表达式被包含在第二组括号中，因此结果匹配被捕获到一个令牌中。例如,匹配“5 xxxxx”捕捉标记为“5”和“XXXXX”．

(? ? @cmd)

执行表示的MATLAB命令cmd，并将命令返回的输出包含在匹配表达式中。

”({2})。? (? ? @fliplr(1美元))”查找长度至少为4个字符的回文，例如“神父”．

(? @cmd)

执行表示的MATLAB命令cmd，但丢弃命令返回的任何输出。(有助于诊断正则表达式。)

‘\ w * ? (\ w) (? @disp(1美元))\ 1 \ w *’匹配包含双字母的单词(例如页)，并显示中间结果。

在动态表达式中，使用下列操作符来定义替换文本。

替换操作符	描述
`$ &`或`＄0`	当前匹配的输入文本的一部分
`美元的`	当前匹配之前的输入文本的一部分
`美元的`	当前匹配后面的输入文本的一部分(使用`$ "`代表`美元的`）
`$ N`	`N`th令牌
`$ <名称>`	叫牌
`$ {cmd}`	当MATLAB执行命令时返回的输出，`cmd`

字符	描述	例子
`(? #评论)`	在正则表达式中插入注释。当匹配输入时，注释文本被忽略。	`‘(?＃Initial digit)\<\d\w+'`包含注释，并匹配以数字开头的单词。

搜索的旗帜

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另一种方法是传递选项输入参数。

国旗	描述
`(? -我)`	匹配字母大小写(默认为`正则表达式`和`regexprep`）.
`(我)?`	不匹配字母大小写(默认为`regexpi`）.
`(?)`	匹配点(`．`)，以任意字符(默认)表示。
`(? - s)`	用非换行符的任何字符匹配模式中的点。
`(? - m)`	匹配`＾`和`＄`文本开头和结尾的元字符(默认)。
`(?)`	匹配`＾`和`＄`在行首和行尾的元字符。
`(? - x)`	在匹配时包括空格字符和注释(默认)。
`x (?)`	匹配时忽略空格字符和注释。使用`“\”`和`“\ #”`匹配空间和`＃`字符。

标志修改的表达式可以出现在括号后面，例如

(?我)\ w *

或在括号内，用冒号与标志分开(：),比如

(?我:\ w *)

后一种语法允许您更改较大表达式的部分行为。

数据类型:字符|细胞|字符串

`取代`- - - - - -替换文本
特征向量|字符向量的单元格数组|字符串数组

替换文本，指定为字符向量、字符向量单元格数组或字符串数组，如下所示:

如果取代是单字符向量和表达式是字符向量的单元格数组吗regexprep对每个表达式使用相同的替换文本。
如果取代单元格数组是N特征向量和表达式是单个字符向量吗regexprep尝试N匹配和替换。
如果两个取代和表达式是字符向量的单元格数组，那么它们必须包含相同数量的元素。regexprep对每一个取代元素及其对应的元素表达式．

替换文本可以包含规则字符、特殊字符(如制表符、换行符)或替换操作符，如下表所示。

替换操作符	描述
`$ &`或`＄0`	当前匹配的输入文本的一部分
`美元的`	当前匹配之前的输入文本的一部分
`美元的`	当前匹配后面的输入文本的一部分(使用`$ "`代表`美元的`）
`$ N`	`N`th令牌
`$ <名称>`	叫牌
`$ {cmd}`	当MATLAB执行命令时返回的输出，`cmd`

操作符	描述
`、一个`	报警(嘟)
`\ b`	退格
`\ f`	换页
`\ n`	新行
`r \`	回车
`\ t`	水平选项卡
`v \`	垂直制表符
`＼字符`	任何在正则表达式中具有特殊含义的字符，您希望按字面意义匹配(例如，use`＼＼`要匹配单个反斜杠)