Matlab-------regexp正则表达式
句点符号 \'.\' ——匹配任意一个（只有一个）字符（包括空格）。
例如：t.n，它匹配tan、 ten、tin和ton，还匹配t#n、tpn甚至t n，还有其他许多无意义的组合。
Matlab例子程序:
clear;clc
str=\'ten,&8yn2tin6ui>&ton, t n,-356tpn,
t#n,4@).,t@nT&nY\';pat=\'t.n\';
[o11,o22,o33]=regexpi(str,pat,\'start\',\'end\',\'match\');%输出起始位置和子串
方括号符号 \'[oum]\' ——匹配方括号中的任意一个
例如：t[aeio]n只匹配tan,Ten,tin和toN等。
方括号中的连接符 \'[c1-c2]\' ——匹配从字符c1开始到字符c2结束的字母序列
5 \w,\s和\d——类表达式
和上面的\n等表中的转义字符有所不同，\w,\s,\d等匹配的不是某个特定的字符，而是某一类字符。具体说明如下：
\w匹配任意的单个文字字符，相当于[a-zA-Z0-9_];
\s匹配任意的单个空白字符，相当于[\t\f\n\r]；
\d匹配任意单个数字，相当于[0-9]；
\S匹配除空白符以外的任意单个字符，相当于[^\t\f\n\r]——方括号中的^表示取反；
\W匹配任意单个字符，相当于[^a-zA-Z0-9_]；
\D匹配除数字字符外的任意单个字符，相当于[^0-9]。
expr? 与expr匹配的元素出现0或1次，相当于{0,1}
expr* 与expr匹配的元素出现1次或更多，相当于{0,}
expr+ 与expr匹配的元素出现1次或更多，相当于{1,}
expr{n} 与expr匹配的元素出现n次，相当于{n,n}
expr{n,} 与expr匹配的元素至少出现n次
expr{n,m} 与expr匹配的元素出现n次但不多于m次
regexp(str,\'<.*?>\',\'match\')
regexp(str,\'<.*>\',\'match\')
逻辑运算符
(expr) 将expr标记为一组、匹配expr，并将匹配的字符子串标记起来以供后面使用。
(?:expr) 说明expr为一组，相当于数学表达式中的()
例如：?lstr=\'A body or collection of such stories\';
?regexp(lstr,\'(?:[^aeiou][aeiou]){2,}\',\'match\')
ans =
\'tori\'
上面的表达式中{2,}对[^aeiou][aeiou]起作用，如果去掉分组，则只对[aeiou]起作用，如下所示：
?regexp(lstr,\'[^aeiou][aeiou]{2,}\',\'match\')
ans =
\'tio\' \'rie\'
(?>expr) expr中的每个元素是一个分组
(?#expr) expr放在(?#和)之间是就是注释。
^expr 匹配expr，并且出现在原字符串最前端的子串
expr$ 匹配expr，并且出现在原字符串最末端的子串
<expr 匹配expr，并且出现在一个单词最前端的子串
expr> 匹配expr，并且出现在一个单词最末端的子串
<expr> 更严格的单词匹配，如：以s开头，并且以h结尾的单词
?regexpi(hstr, \'<s\w*h>\', \'match\')
ans =
\'such\'
3. 左顾右盼——利用上下文匹配
这个也比较容易理解。就是利用上下文的匹配来找到我们要找的内容。
expr1(?=expr2) 找到匹配expr1的子串,如果其后的字符串也匹配expr2
如，下面的例子查找所有在\',\'之前的单词。
? pstr = [\'While I nodded, nearly napping, \' …
\'suddenly there came a tapping,\'];
?regexpi(pstr, \'\w*(?=,)\', \'match\')
ans =
\'nodded\' \'napping\' \'tapping\'
expr1(?!expr2) 找到匹配expr1的子串如果其后的字符串不匹配expr2
下面的例子匹配所有不在\',\'之前的单词
?regexpi(pstr, \'\w*+(?!,)\', \'match\')
ans =
Columns 1 through 6
\'While\' \'I\' \'nearly\' \'suddenly\' \'there\' \'came\'
Column 7
\'a\'
(?<=expr1)expr2 找到匹配expr2的子串,如果其前面的字符串也匹配expr1
下面的例子查找所有在\',\'之后的单词，注意：\',\'之后可能有空格
?regexpi(pstr,\'(?<=,\s*)\w*\',\'match\')
ans =
\'nearly\' \'suddenly\'
(?<!expr1)expr2 找到匹配expr2的子串,如果其后的字符串不匹配expr1
下面的例子查找所有不在\',\'之后的单词，
?regexpi(pstr,\'(?<!,\s*)\w*\',\'match\')
ans =
Columns 1 through 6
\'While\' \'I\' \'nodded\' \'early\' \'napping\' \'uddenly\'
Columns 7 through 10
\'there\' \'came\' \'a\' \'tapping\'
应课程实验要求，要写一个基于人人网的简单爬虫。实验要求如下：
学会使用一种编程语言实现爬取人人网关系网络的程序。该程序功能如下：
1. 能够输入用户登陆所产生的cookie，允许爬虫对人人网进行爬取网页。
2. 能够使用正则表达式对所获取的网页内容进行过滤，提取出所需要的重要信息。
3. 能够分析所获得信息，得到社交网络中各个个体之间的好友关系。
4. 能够将该关系矩阵导入到matlab中，以供数据分析使用。
本文主要针对正则表达式进行介绍。（摘自百度百科）
一个正则表达式，就是用某种模式去匹配一类字符串的一个公式。
正则表达式由一些普通字符和一些元字符（metacharacters）组成。普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，我们下面会给予解释。
在最简单的情况下，一个正则表达式看上去就是一个普通的查找串。例如，正则表达式"testing"中没有包含任何元字符，它可以匹配"testing"和"123testing"等字符串，但是不能匹配"Testing"。
正则表达式用于字符串处理、表单验证等场合，实用高效。现将一些常用的表达式收集于此，以备不时之需。
下面介绍常用的正则表达式（摘自http://lifesinger.3322.org/myblog/?p=185）：
匹配中文字符的正则表达式： [/u4e00-/u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了
匹配双字节字符(包括汉字在内)：[^/x00-/xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
匹配空白行的正则表达式：/n/s*/r
评注：可以用来删除空白行
匹配HTML标记的正则表达式：<(/S*?)[^>]*>.*?<//1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
匹配首尾空白字符的正则表达式：^/s*|/s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式
匹配Email地址的正则表达式：/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*
评注：表单验证时很实用
匹配网址URL的正则表达式：[a-zA-z]+://[^/s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用
匹配国内电话号码：/d{3}-/d{8}|/d{4}-/d{7}
评注：匹配形式如 0511-4405222 或 021-87888822
匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始
匹配中国邮政编码：[1-9]/d{5}(?!/d)
评注：中国邮政编码为6位数字
匹配身份证：/d{15}|/d{18}
评注：中国的身份证为15位或18位
匹配ip地址：/d+/./d+/./d+/./d+
评注：提取ip地址时有用
匹配特定数字：
^[1-9]/d*$ //匹配正整数
^-[1-9]/d*$ //匹配负整数
^-?[1-9]/d*$ //匹配整数
^[1-9]/d*|0$ //匹配非负整数（正整数 + 0）
^-[1-9]/d*|0$ //匹配非正整数（负整数 + 0）
^[1-9]/d*/./d*|0/./d*[1-9]/d*$ //匹配正浮点数
^-([1-9]/d*/./d*|0/./d*[1-9]/d*)$ //匹配负浮点数
^-?([1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0)$ //匹配浮点数
^[1-9]/d*/./d*|0/./d*[1-9]/d*|0?/.0+|0$ //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]/d*/./d*|0/./d*[1-9]/d*))|0?/.0+|0$ //匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正
匹配特定字符串：
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^/w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
评注：最基本也是最常用的一些表达式