第14集参考资料

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）