Matlab：當有時不匹配時，使用正則運算式決議大表或元胞陣列的最有效方法是什么？

我正在使用一個雜亂的手動維護“資料庫”，該資料庫有一列包含帶有名稱、值對的字串。我正在嘗試使用正則運算式決議整個列以提取值。該列很大（> 100,000 個條目）。作為我實際資料的代理，讓我們使用以下代碼：

line1={'''thing1'': ''-583'', ''thing2'': ''245'', ''thing3'': ''246'', ''morestuff'':, '''''};
line2={'''thing1'': ''617'', ''thing2'': ''239'', ''morestuff'':, '''''};
line3={'''thing1'': ''unexpected_string(with)parens5'', ''thing2'': 245, ''thing3'':''246'', ''morestuff'':, '''''};
mycell=vertcat(line1,line2,line3);

這捕獲了資料庫中遇到的一般問題。我想提取每行中的what thing1、thing2、 和thing3arecellfun用于輸出標量元胞陣列。它們通常應該是 3 位數字，但有時它們會有意想不到的形式。有時thing3完全沒有，名字甚至沒有出現在行中。有時會出現輕微的格式不一致，例如值周圍缺少單引號、缺少空格或三位數值前面出現破折號。我已經設法處理了所有這些，除了thing3完全丟失的情況。

我的一般方法是使用這樣的運算式：

expr1='(?<=thing1''):\s?''?-?([\w\d().]*?)''?,';
expr2='(?<=thing2''):\s?''?-?([\w\d().]*?)''?,';
expr3='(?<=thing3''):\s?''?-?([\w\d().]*?)''?,';

這在后面查找thingX'然后嘗試匹配:后跟零或一個空格，后跟 0 或 1 個單引號，后跟零或一個破折號，后跟字母、數字、括號或句點的任意組合（這被定義為token），使用延遲匹配，直到遇到零個或一個單引號，后跟逗號。我呼叫regexpasregexp(___,'tokens','once')回傳匹配的令牌。

問題是當沒有匹配項時，regexp 回傳一個空陣列。這使我無法使用，例如，

out=cellfun(@(x) regexp(x,expr3,'tokens','once'),mycell);

除非我用'UniformOutput',false. 問題是雙重的。首先，我需要手動查找不匹配的行。例如，我可以這樣做：

emptyout=cellfun(@(x) isempty(x),out);
emptyID=find(emptyout);
backfill=cell(length(emptyID),1);
[backfill{:}]=deal('Unknown');
out(emptyID)=backfill;

在這個例子中，emptyID長度為 1，所以這段代碼有點矯枉過正。但我相信這是對更長的時間進行概括的正確方法。此代碼將out使用 string更改每個空元胞陣列Unknown。但這會導致第二個問題。我現在有一個“凌亂”的非標量值元胞陣列。例如，我無法檢查unique(out)結果。

恕我啰嗦，但我想舉一個清楚的例子來說明這個問題。現在我的實際問題分為幾個部分：

1. 有沒有辦法在不使用的情況下完成我想要做的事情'UniformOutput',false？例如，有沒有辦法在regexp沒有匹配的情況下傳遞自定義字串（例如，'Unknown'如果沒有匹配則傳遞）？我可以想到一個“作弊”，即|在運算式中使用運算子，如果第一個標記不匹配，則查找始終找到的內容。然后我仍然需要重復輸出并將該結果的每個實體更改為'Unknown'.
2. 如果我采用這種'UniformOutput',false方法，我怎樣才能在最后恢復標量單元陣列以輕松操作它（例如通過它unique）？我承認我不是 100% 清楚標量和非標量單元陣列。
3. 如果有一些我沒有想到的完全不同的方法，我也愿意接受。
4. 相切的主要問題，我也使用單個運算式來運行試圖regexp使用3-令牌拉出的值thing1，thing2和thing3在一次通過。'UniformOutput',false即使沒有空的結果，這似乎也需要regexp. 我不確定如何使用這種方法獲得標量單元陣列（例如 Nx1 單元陣列，其中每個單元都是 3x1 單元）。

歸根結底，我想使用這些結果構建一個表：

mytable=table(out1,out2,out3);

編輯：使用可以celldisp說明問題：

celldisp(out)

out{1}{1} =

246


out{2} =

Unknown


out{3}{1} =

246

我假設我需要更改 的結構，out以便out{1}{1}and的內容out{3}{1}只是out{1}and out{3}。但是如果需要，我不確定如何完成此操作'UniformOutput',false。

uj5u.com熱心網友回復：

注意：我沒有使用過 MATLAB，這并不能回答“高效”方面的問題，但是......

強制總是匹配怎么樣？

只是想想你真的想要一個匹配來跳過這個問題，一個空匹配怎么樣？

在此處查看MATLAB 幫助頁面，我可以看到一個'emptymatch'選項，也許可以嘗試一下。

例如

the_thing_i_want_to_find|

匹配“the_thing_i_want_to_find”或空匹配，注意|字符。

在捕獲組中，它可能如下所示：

(the_thing_i_want_to_find|)

uj5u.com熱心網友回復：

作為一種解決方法，我發現 usingregexprep可用于查找thing3缺少的條目。例如：

replace='$1 ''thing3'': ''Unknown'', ''morestuff''';
missingexpr='(?<=thing2'':\s?)(''?-?[\w\d().]*?''?,) ''morestuff''';
regexprep(mycell{2},missingexpr,replace)
ans =

''thing1': '617', 'thing2': '239', 'thing3': 'Unknown', 'morestuff':, '''

將其應用于整個陣列：

fixedcell=cellfun(@(x) regexprep(x,missingexpr,replace),mycell);
out=cellfun(@(x) regexp(x,expr3,'tokens','once'),fixedcell,'UniformOutput',false);

這感覺有點迂回，但它有效。

uj5u.com熱心網友回復：

cellfun可以用普通的舊 for 回圈替換。您的代碼要么同樣快，要么甚至更快。cellfun無論如何都是用回圈實作的，除了更少的代碼行之外，使用它沒有任何好處。在您的顯式回圈中，您可以檢查 的輸出regexp，并以您喜歡的任何方式構建您的輸出陣列。

標籤：正则表达式 MATLAB 单元阵列

上一篇：繞單位圓旋轉線到任意位置

下一篇：將json字串自定義查詢設定為彈性搜索請求，javaRestHighLevelClient