[NLP] 2.1 RE 正则表达式

本文整理自 TUM 的英文 NLP 课程。

正则表达式：使用代数符号（例如：+-*/）去表征，查找一系列的字符串，是一种非常简单的分类器（搜索器）。
文中收录的可能不全，如果想要知道更加完整的指南，可以参考：
-快速完整入门指南 (https://deerchao.cn/tutorials/regex/regex.htm)
不必全部阅读完，了解梗概，即可快速上手。

• 快速查询表格（https://tool.oschina.net/uploads/apidocs/jquery/regexp.html）
  可以选择打印出来，放在一边，需要的时候查看。

• 在线查询工具 （https://regex101.com/）
  本人常用的regex工具。

符号 [ ]：里面的内容代表可选的字符

Pattern	Matches
[wW]oodchuck	Woodchuck or woodchuck
[1234567890]	a single digit

符号 [ ‐ ]: 代表范围

Pattern	Matches
[A-Z]	大写字符
[a-z]	小写字符
[0-9]	单一数字

符号 [^ ]: 排除某某（如果把^放在第一位）

Pattern	Matches	Example
[^A-Z]	非大写字符	Oyfn pripetchik
[^Ss]	既不是S，也不是s	I have no exquisite reason
[e^]	e 或者 ^	****ee Look here
[e]	既不是e,也不是^	^^ee Look here
a^b	就是 a^b嘛	Look up **a^b **now

符号 | ：选择

Pattern	Matches
yours|mine	yours或者mine
a|b|c	和 [abc] 一样
[gG]roundbog|[Ww]oodchuck	你懂的
grup(y|ies)	gruppy 或 gruppies

符号 ？ * + {} ：表示计数

Pattern	Matches	exmaple
colou?r	上一个字符可选	color 或 colour
o*h!	0次 或者 多次匹配	h! 或 oh! 或 oooh!
o+h!		1次 或者 多次匹配
a{3,5}	3到5次的a	aaa 或 aaaa...
beg.n	匹配任意字符直到	begin 或 begun 或 beg3n

符号 ^ $  B ：表示锚定

Pattern	Matches	Example
^[A-Z]	每行开始处	Palo Alto
^[^A-Za-z]	None	1 “Hello”
.$ at	每行结尾处	The end.
.$	None	The end” The end!
the	匹配单词的边界	the world but not other