社区
Java SE
帖子详情
求一正则表达式,判断字符串中是否包含非法字符
condor_hero
2007-01-19 09:13:57
主要是不能包含键盘上数字上方的特殊符号和?等,由于不是从web而是从excel表中导入,所以无法使用js中的方法,望高手不吝赐教!谢谢
...全文
5746
6
打赏
收藏
求一正则表达式,判断字符串中是否包含非法字符
主要是不能包含键盘上数字上方的特殊符号和?等,由于不是从web而是从excel表中导入,所以无法使用js中的方法,望高手不吝赐教!谢谢
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
6 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
JSDXT
2009-01-09
打赏
举报
回复
怎么样在js中使用正则,比较一个输入的参数是否符合要求
condor_hero
2007-01-19
打赏
举报
回复
谢谢各位
aotianji1238
2007-01-19
打赏
举报
回复
import java.util.regex.* ;
public class RegexTest {
public static void main(String[] args) {
String qString="sds334232ds";
String regx="!|!|@|◎|#|#|(\\$)|¥|%|%|(\\^)|……|(\\&)|※|(\\*)|×|(\\()|(|(\\))|)|_|——|(\\+)|+|(\\|)|§";
System.out.println(hasCrossScriptRisk(qString,regx));
}
/**
* 检查输入的数据中是否有特殊字符
* @param qString 要检查的数据
* @param regx 特殊字符正则表达式
* @return boolean 如果包含正则表达式<code>regx</code>中定义的特殊字符,返回true;
* 否则返回false
*/
public static boolean hasCrossScriptRisk(String qString, String regx) {
if (qString!=null) {
qString = qString.trim();
Pattern p = Pattern.compile(regx, Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher(qString);
return m.find();
}
return false;
}
}
DeRoshia
2007-01-19
打赏
举报
回复
[^?!@#$%\^&*()]+
以上是取反字符集,不要屏蔽的字符都加到[^ ]里即可
注: ] \ ^ - 这四个字符加时需要转义,如[^ \-\^\]\\]
import java.util.regex.*;
// 表达式对象
Pattern p = Pattern.compile("[^?!@#$%\\^&*()]+");
// 创建 Matcher 对象
Matcher m = p.matcher("your string");
// 替换
String newstring = m.replaceAll("replace to");
condor_hero
2007-01-19
打赏
举报
回复
可以完整一点吗?公司限制上网,只能上csdn,不得已啊
qianlei0007
2007-01-19
打赏
举报
回复
[a-zA-Z0-9+-*\%]
机器学习基础学习-多项式回归
前言 之前的线性回归法有一个很大的局限性,要求假设数据背后是存在线性关系的,但是对于实际应用场景当
中
,具有线性关系比较强的数据集太少了,更多的是具有非线性关系的数据集。 这里引入使用多项式回归,改进线性回归法,可以对非线性的数据进行处理,进而进行预测(进而其实可以引出模型泛化这个概念) 1、多项式回归概念 我们学习线性回归时,对于这些数据,我们想要找一条直线,让这条直线尽可能的拟合这些数据,如果这些数据只有一个特征的话,相应的直线就是y=ax+b,x是样本特征,a和b就是我们需要求的模型参数。 但是对于有
机器学习(三)线性回归、广义线性回归、非线性回归
机器学习(三)线性回归模型、广义线性回归模型、非线性回归模型 线性回归(数据集要满足正态分布) 一元线性回归模型: 在这里会想到,如何确定方程
中
的系数呢?我们先来了解最小二乘法,简单来说就是这个点作y轴的平行线与直线相交,那一段y值的平方求和起来最小就是了 那我们怎么求呢?在这之前大家先要了解一些偏导数的知识 为了方便大家理解,举一个通俗易懂的例子 多元...
【skLearn 回归模型】多项式回归 PolynomialFeatures
文章目录一、多项式对数据的处理① 一维数据集简单案例 ---- (维度针对特征数而言)② 多维数据集案例 ---- (维度针对特征数而言)♦ 二维测试♦ 三维测试③ 多项式回归处理非线性问题④ 可视化二、多项式回归的可解释性 一、多项式对数据的处理 除了分箱之外,另一种更普遍的用于解决"线性回归只能处理线性数据"问题的手段,就是使用多项式回归对线性回归进行改进。这样的手法是机器学习研究者们从支持向量机
中
获得的:支持向量机通过升维可以将非线可分数据转化为线性可分,然后使用核函数在低维空间
中
进行计算,这是..
3.机器学习-十大算法之一线性回归算法(LinearRegression)原理讲解
线性是指一种关系或者过程,其特点是当输入发生变化时,输出会以同样的比例变化。简单来说,线性是指两个变量之间存在着直接的比例关系。而非线性则是指变量之间没有直接的比例关系,输入的变化不会导致输出的同比例变化。在线性代数
中
,线性无关是指一组向量
中
没有向量可以用其他向量的线性组合来表示,反之则称为线性相关。 在数学
中
,线性关系可以用直线来表示,而非线性关系则无法用直线来描述。这是因为非线性关系通常具有曲线或者其他复杂的形状。在代数学和数学分析学
中
,如果一种运算同时满足特定的“加性”和“齐性”,则称这种运算是线性
机器学习----多项式回归详解
前言 我们在使用线性回归的时候有个局限性,就是他是假设数据背后是存在线性关系的,实际
中
这种情况还是比较少的。较多的还是非线性关系,多项式回归法正是解决数据之间非线性关系进行预测的机器学习算法,思路还是线性回归的原理。本质还是线性回归,只是增加了样本的特征。如下右图:将x、x^2当成两个特征。 在右图
中
相当于在左边的基础上增加了一个特征...
Java SE
62,620
社区成员
307,251
社区内容
发帖
与我相关
我的任务
Java SE
Java 2 Standard Edition
复制链接
扫一扫
分享
社区描述
Java 2 Standard Edition
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章