首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >第179天:javascript中replace使用总结

第179天:javascript中replace使用总结

作者头像
半指温柔乐
发布于 2018-09-11 01:44:43
发布于 2018-09-11 01:44:43
51100
代码可运行
举报
文章被收录于专栏:前端知识分享前端知识分享
运行总次数:0
代码可运行

ECMAScript提供了replace()方法。这个方法接收两个参数,第一个参数可以是一个RegExp对象或者一个字符串,第二个参数可以是一个字符串或者一个函数。现在我们来详细讲解可能出现的几种情况。

1. 两个参数都为字符串的情况

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
1    var text = 'cat, bat, sat, fat';
2    // 在字符串中找到at,并将at替换为ond,只替换一次
3     var result = text.replace('at', 'ond');
4     // "cond, bat, sat, fat"
5     console.log(result);

2. 第一个参数为RegExp对象,第二个参数为字符串

  我们可以发现上面这种情况只替换了第一个at,如果想要替换全部at,就必须使用RegExp对象。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
1 var text = 'cat, bat, sat, fat';
2     // 使用/at/g 在全局中匹配at,并用ond进行替换
3     var result = text.replace(/at/g, 'ond');
4     // cond, bond, sond, fond
5     console.log(result);

 3. 考虑RegExp对象中捕获组的情况。  

  RegExp具有9个用于存储捕获组的属性。$1, $2...$9,分别用于存储第一到九个匹配的捕获组。我们可以访问这些属性,来获取存储的值。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
1  var text = 'cat, bat, sat, fat';
2 // 使用/(.at)/g 括号为捕获组,此时只有一个,因此所匹配的值存放在$1中
3  var result = text.replace(/(.at)/g, '$($1)');
4  // $(cat), $(bat), $(sat), $(fat)
5 console.log(result);

4. 第二个参数为函数的情况,RegExp对象中不存在捕获组的情况。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 1 var text = 'cat, bat, sat, fat';
 2      // 使用/at/g 匹配字符串中所有的at,并将其替换为ond,
 3      // 函数的参数分别为:当前匹配的字符,当前匹配字符的位置,原始字符串
 4      var result = text.replace(/at/g, function(match, pos, originalText) {
 5       console.log(match + '  ' + pos);
 6       return 'ond'
 7  });
 8 console.log(result);
 9  // 输出
10    /*
11    at  1  dd.html:12:9
12    at  6  dd.html:12:9
13    at  11  dd.html:12:9
14    at  16  dd.html:12:9
15  cond, bond, sond, fond  dd.html:16:5
16     */

5. 第二个参数为函数的情况,RegExp对象中存在捕获组的情况。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 1 var text = 'cat, bat, sat, fat';
 2     // 使用/(.at)/g 匹配字符串中所有的at,并将其替换为ond,
 3     // 当正则表达式中存在捕获组时,函数的参数一次为:模式匹配项,第一个捕获组的匹配项,
 4     // 第二个捕获组的匹配项...匹配项在字符串中的位置,原始字符串
 5     var result = text.replace(/.(at)/g, function() {
 6         console.log(arguments[0] + '  ' + arguments[1] + '  ' + arguments[2]);
 7         return 'ond'
 8     });
 9     console.log(result);
10     // 输出
11     /*
12         cat  at  1  
13         bat  at  6 
14         sat  at  11  
15         fat  at  16  
16         cond, bond, sond, fond 
17     */

以上为replace方法的所有可以使用的情况,下面我们使用replace和正则表达式共同实现字符串trim方法。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 1 (function(myFrame) {
 2         myFrame.trim = function(str) {
 3             // '  hello world  '
 4             return str.replace(/(^\s*)|(\s*$)/g, '');
 5         };
 6         window.myFrame = myFrame;
 7     })(window.myFrame || {});
 8     // 测试
 9     var str = '  hello world  '
10     console.log(str.length); // 15
11     console.log(myFrame.trim(str).length); // 11
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018-02-27 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
回归评价指标---MSE、RMSE、MAE、R-Squared
MSE和MAE适用于误差相对明显的时候,大的误差也有比较高的权重,RMSE则是针对误差不是很明显的时候;MAE是一个线性的指标,所有个体差异在平均值上均等加权,所以它更加凸显出异常值,相比MSE;
自学气象人
2023/06/21
1.8K0
回归评价指标---MSE、RMSE、MAE、R-Squared
回归模型评估指标
考虑到正负误差在求和时会出现抵消的情况,所以使用了绝对值。这个指标本身的绝对大小并没有意义,需要在不同模型之间进行相对比较才有意义,当然,越小说明模型拟合的效果越好。
生信修炼手册
2021/05/27
2.2K0
图解机器学习 | 模型评估方法与准则
教程地址:http://www.showmeai.tech/tutorials/34
ShowMeAI
2022/03/10
1.8K0
图解机器学习 | 模型评估方法与准则
在机器学习回归问题中,你应该使用哪种评估指标?
R², RMSE, MAE 如果你像我一样,你可能会在你的回归问题中使用R平方(R平方)、均方根误差(RMSE)和均方根误差(MAE)评估指标,而不用考虑太多。? 尽管它们都是通用的度量标准,但在什
deephub
2020/08/11
1.7K0
在机器学习回归问题中,你应该使用哪种评估指标?
图解机器学习之回归模型性能评估指标
一个房价预测的任务,老板说你看看这个模型咋样? 我们先绘制一个坐标轴: Y 轴为房价,X 轴为年份。将过去房价数据绘制为绿色,回归模型绘制为蓝色。 关键问题是,怎么知道这个模型的好坏呢?
白墨石
2022/06/06
3.1K0
图解机器学习之回归模型性能评估指标
机器学习(六):模型评估
模型评估是模型开发过程不可或缺的一部分。它有助于发现表达数据的最佳模型和所选模型将来工作的性能如何。
Lansonli
2023/02/18
8930
机器学习(六):模型评估
机器学习从0入门-线性回归
机器学习有许多不同的算法,每个算法都有其特定的应用场景和优缺点。然而,最简单的机器学习算法可能是线性回归。
皮大大
2023/08/25
5780
机器学习从0入门-线性回归
Python实现回归评估指标sse、ssr、sst、r2、r等
一般来说,R2在0到1的闭区间上取值,但在实验中,有时会遇到R2为inf(无穷大)的情况,这时我们会用到R2的计算公式:
lovelife110
2021/01/14
6.3K0
Python实现回归评估指标sse、ssr、sst、r2、r等
轻松玩转 Scikit-Learn 系列 —— 线性回归及 ML 相关评价标准
线性回归可能是机器学习中最简单、最基础的算法了。但一定不要因为它简单就轻视它的存在,因为它也是很多更高级机器学习算法的基础,比如多项式回归、岭回归、 LASSO 回归等。线性回归的核心归结为求解正规方程(由样本特征x所得预测值y'和实际值y差的平方和,对x求偏导并使其为0所得的方程组),也就是利用最小二乘法求解方程系数。当x为一个n维向量时,方程的物理意义也被扩展为求解一个n维超平面前的系数。在介绍线性回归之前,让我们先了解下衡量线性回归预测结果好坏的指标。
小小詹同学
2018/12/17
1.1K0
深度研究:回归模型评价指标R2_score
回归模型的性能的评价指标主要有:RMSE(平方根误差)、MAE(平均绝对误差)、MSE(平均平方误差)、R2_score。但是当量纲不同时,RMSE、MAE、MSE难以衡量模型效果好坏。这就需要用到R2_score,实际使用时,会遇到许多问题,今天我们深度研究一下。
Ai学习的老章
2019/12/12
10.8K0
深度研究:回归模型评价指标R2_score
超强,必会的机器学习评估指标
构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。 选择正确的验证指标就像选择一副水晶球:它使我们能够以清晰的视野看到模型的性能。 在本指南中,我们将探讨分类和回归的基本指标和有效评估模型的知识。 学习何时使用每个指标、优点和缺点以及如何在 Python 中实现它们。
算法金
2024/06/28
4050
超强,必会的机器学习评估指标
机器学习模型评估的方法总结(回归、分类模型的评估)
这也是线性回归中最常用的损失函数,线性回归过程中尽量让该损失函数最小。那么模型之间的对比也可以用它来比较。 MSE可以评价数据的变化程度,MSE的值越小,说明预测模型描述实验数据具有更好的精确度。
全栈程序员站长
2022/11/08
3.1K0
机器学习模型评估的方法总结(回归、分类模型的评估)
Alink漫谈(二十一) :回归评估之源码分析
Alink 是阿里巴巴基于实时计算引擎 Flink 研发的新一代机器学习算法平台,是业界首个同时支持批式算法、流式算法的机器学习平台。本文和将带领大家来分析Alink中 回归评估 的实现。
罗西的思考
2020/09/28
4560
回归模型评估二(MSE、RMSE、MAE、R-Squared)
猛着看一下这个公式是不是觉得眼熟,这不就是线性回归的损失函数嘛!!! 对,在线性回归的时候我们的目的就是让这个损失函数最小。那么模型做出来了,我们把损失函数丢到测试集上去看看损失值不就好了嘛。简单直观暴力!
用户5745385
2019/07/04
11.6K0
回归模型评估二(MSE、RMSE、MAE、R-Squared)
时间序列损失函数的最新综述!
A Comprehensive Survey of Regression Based Loss Functions for Time Series Forecasting
算法进阶
2023/08/28
9830
时间序列损失函数的最新综述!
机器学习入门 5-5 衡量线性回归指标mse,rmse,mae
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍衡量线性回归算法的一些指标。
触摸壹缕阳光
2019/11/13
3.2K0
理论+实践,一文带你读懂线性回归的评价指标
关于作者:饼干同学,某人工智能公司交付开发工程师/建模科学家。专注于AI工程化及场景落地,希望和大家分享成长中的专业知识与思考感悟。
木东居士
2019/11/24
1.8K0
怎样在Python的深度学习库Keras中使用度量
Keras库提供了一种在训练深度学习模型时计算并报告一套标准度量的方法。 除了提供分类和回归问题的标准度量外,Keras还允许在训练深度学习模型时,定义和报告你自定义的度量。如果你想要跟踪在训练过程中更好地捕捉模型技能的性能度量,这一点尤其有用。 在本教程中,你将学到在Keras训练深度学习模型时,如何使用内置度量以及如何定义和使用自己的度量。 完成本教程后,你将知道: Keras度量的工作原理,以及如何在训练模型时使用它们。 如何在Keras中使用回归和分类度量,并提供实例。 如何在Keras中定义和使用
AiTechYun
2018/03/02
2.6K0
怎样在Python的深度学习库Keras中使用度量
MLK | 模型评估的一些事
为了对模型的效果进行评估,我们就需要各种各样的指标,不同的问题需要不同的指标来评估,而且大部分的指标都是有局限性的,那么,我们就来盘点一下吧。
Sam Gor
2019/07/08
6240
MLK | 模型评估的一些事
回归评价的指标(MSE/RMSE/MAE/R-squared)
均方根误差,即Root Mean Square Error (RMSE),是在均方误差的基础上开根号,表达式为:
生信编程日常
2020/11/12
1.5K0
回归评价的指标(MSE/RMSE/MAE/R-squared)
推荐阅读
相关推荐
回归评价指标---MSE、RMSE、MAE、R-Squared
更多 >
LV.2
北京商状元科技有限公司新媒体运营
目录
  • 1. 两个参数都为字符串的情况
  • 2. 第一个参数为RegExp对象,第二个参数为字符串
  •  3. 考虑RegExp对象中捕获组的情况。  
  • 4. 第二个参数为函数的情况,RegExp对象中不存在捕获组的情况。
  • 5. 第二个参数为函数的情况,RegExp对象中存在捕获组的情况。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档