《Mastering Regular Expressions》讀書筆記

近段涉及到了資料的解析，自然離不開對regular expressions（正則表示式）的溫習；在jdk官方原始碼中看到了對《mastering regular expressions, 2nd edition》的推薦；由jeffrey e.f. friedl大師主刀，o'reilly於XX年再版。對o'reilly的書向有好感，像當年誤入java的歧途，沒看java程式設計思想之類的，倒看了o'reilly的一本影印版《java in a nutshell》，頗留記憶。

正則表示式的“祖先”可以一直上溯至對人類神經系統如何工作的早期研究。warren mcculloch 和 walter pitts 這兩位神經生理學家研究出一種數學方式來描述這些神經網路。1956 年, 一位叫 stephen kleene 的數學家在 mcculloch 和 pitts 早期工作的基礎上，發表了一篇標題為“神經網事件的表示法”的論文，引入了正則表示式的概念。正則表示式就是用來描述他稱為“正則集的代數”的表示式，因此採用“正則表示式”這個術語。

隨後，發現可以將這一工作應用於使用 ken thompson 的計算搜尋演算法的一些早期研究，ken thompson 是 unix 的主要發明人。正則表示式的第一個實用應用程式就是 unix 中的 qed 編輯器。

目前，正則表示式已經在很多軟體中得到廣泛的應用，包括*nix（linux, unix等），hp等作業系統；php，perl，python，c#，java等開發環境，以及很多的應用軟體中，for example：網路上的搜尋引擎，資料庫的全文檢索etc...

本筆記是是自我學習過程的一個整理，例子或來源於書本，或自己列舉。好了，廢話一籮筐，切入正題。

1、正則表示式的介紹

1.1、行開始和結束

^begin line。匹配行開頭，如^cat匹配以cat開頭的

$end line。匹配行結束，如cat$匹配以cat結束的；^cat$僅僅匹配該行有cat

1.2、匹配給定的字元序列

[...]，表示in。裡面寫入欲匹配的幾個字元，如，匹配seperate,separete,separate"；匹配, ,

, etc.[a-z]代表從a到z中的任意字元，[0-9]、[a-z]分別代表0-9，a-z中的任意數字或大寫字母；“-”代表連續的從開始字元到結束；那麼[0123456789abcdefabcdef]也可以寫為[0-9a-fa-f]；對於這些頻繁使用的字元，各語言分別做了相同的預定義：

1.3、匹配非給定的字元（非...）

[^]匹配，表示not。^和行開頭的標記完全一樣，但寫的位置不一樣，則表述的意思可能完全相反，用^表示否定的意思，更多是寫在[]裡面，如：q[^u]匹配q後面緊跟非u的字元，如iraqi,qasida,zaqqum,iraq；沒錯,"iraq"這個單詞也會被匹配,儘管q後面什麼也沒有，也可能有個空格、或回車符等。否定字元的意思（翻譯出來繞口）：means "match a character that's not listed" and not "don't match what is listed."

1.4、匹配任何字元

.匹配，表示any。任何字元，如07.04匹配：07_04,07-04,07 04,07.04 etc；如想要精確匹配07/04,07-04,or 07.04;需要寫07[-./]04；沒錯當.在[]裡面包含的時候，僅僅表示“.”字元而已，如果不在[]裡面，需要轉義. 如匹配形如x.y的小數：是[0-9].[0-9]，而非[0-9].[0-9]

1.5、匹配幾個給定的字元序列中的一個

|匹配，表示or。to be continued....