IDC资讯中心
java与正则表达式（2年级2）
学习正则表达式，我本来也按照正则表达式的组件一个个地攻。java中写的summary of regular-expression constructs也不过6页纸，花上1天半天的时间一个个测试，学得也差不多了。可惜yqj2065的记性好、忘性大，3天之后记得几个最简单的东西了。惨。
msdn上的正则表达式介绍 就是完整的教材，yqj2065又学习了一次（jscript），10天后又忘得7788了。
现在我变个花样考虑：如果我设计regex，按照（2年级之1）中的5点能不能搞定呢？把核心5点记住先：
1. 基本正则表达式：一个单字符a（其中a 在正规字符的字母表∑中），以及元字符或元字符组成。可能是： l (a) = {a}； l (ε) ={ε}； l (ф) = {}。
r和s 均是正则表达式时：
2. r | s表达式： l (r | s) = l (r) ∪ l (s)。
3. rs表达式： l (r s) = l (r) l (s)。
4. r*表达式： l (r*) = l (r) *。
5. (r）格式的表达式： l ( (r)) = l (r)，括号并不改变语言，它们只调整运算的优先权。闭包>连结>并集。
我不用脑袋，用5个指头记它们。那个指头忘性大，就打那个指头。单字符、并集 |、连结、闭包 *、括号()。
§3字母表∑
单字符依赖于字母表∑，java支持unicode。所有，∑＝unicode。比如说：
string str=” 单字符依赖于字母表”，regex是字。效果不错。
我想使用editpad pro方便一些，它却不支持unicode。也罢，本来就不准备现在研究它（3年级再搞。），先搞定ascii – the american standard code for information interchange，好像在汇编语言中经常查一下。现在都有些模糊了。
ascii大概分成这几个部分：可打印和不可打印字符。
l 不可打印字符non-printable characters：java中有几个不可打印字符，能放在正则表达式中，这些东西倒是有点奇怪。
l 可打印字符：所有大写和小写字母、所有数字、所有标点符号和一些其他符号。这里的关键在于有一些可打印字符with special meanings，成为了元字符（metacharacters）。
所有的ascii字符中，我们千调万选找了一个最特殊的字符backslash \，作为转义escape开关。虽然与java的转义符号一样，我还是奇怪为什么选它而不选#。它很容易与除号/混淆，另外m$ os中的目录常常是e:\regex\1\2，我听说c++编程时，其regex要用e:\\\\regex\\\\1去匹配，不知在java的源代码中，怎么样。
核心1点说明：单一的a、x、#，’，” 都是基本的regex。单一的元字符都不是基本的regex。
练习：str＝” b!c@d#e$f%g^h&j&k*l”+
”(m)n_o+p|q\r=s-t/u.v,w?x>y<z\"aa\”
①regex="#"（或\"、\’、 r、 \\、 >、n、）注意：java的源代码中string要使用转义\"而且regex＝"\""，但正则表达式是"如程序：
import java.util.regex.*;
class regex1{
public static void main(string args[]) {
string str="for my\" money\" ";
string regex="\""; //
pattern p=pattern.compile(regex);
matcher m=p.matcher(str);
boolean result=m.find();
system.out.println(result);
}
}
这里的要点是：java语言本身对源代码中的一些字符\"要经过编译处理，之后正则表达式引擎才得到一个regexp"。这也是c++用4个backslash匹配一个\文本字符的原因。我们要区别java语言与正则表达式各自的要求。
在使用各种正则表达式练习器时，一定要注意。
§4并集
核心2点是a|b。在文档中称为"character class", 也叫 "character set"。这就不好翻译了，字符集容易与ascii字符集等混淆，字符类？不伦不类。也许叫字符并集比较好，
① 对于文本fororarafar，如何匹配for和far呢？记住并集运算的优先级最低。因此f(o|a)r是正确答案，当然，f(a|o)r也行，它们的顺序无所谓。但 fo|ar将可以（可以！）匹配fo和ar。
② 如果有regex如f(a|s|d|f|g|h|j|l)r，人们常常喜欢简单一点，写成f[asdfghjl]r。如此一来，多了两个元字符[和]。
③ 如果有regex如f[123456]r，人们简单的写成f[1-6]r。注意，连字符不是元字符，仅仅在[ ]之间而且在有顺序的东西之间才有特殊语义，如[1-5a-ya-f]。在[ ]之外，hyphen-是普通字符。
④ 如果我们希望全选呢？有一个非常好用又经常误用的元字符. 我们在后面举例说明。
⑤ 如果我们希望反选呢？比如除a、b、c外的所有f⊙r，用集合运算表示就相当于∑-{a,b,c}。我们写出[^abc] ，注意：caret^只有紧跟在[后面才表示这个语义。对于文本f^rfarfbrffhrf^^r ，f[^abc]r可以匹配f^r和fhr。而f[a^bc]r匹配far、f^r、fbr、fcr。caret^不同于-，它是一个元字符，但元字符^表示的是另外的一个概念，这里的^和-相似——可以理解为非元字符。
⑥ 简写和其否定：[0-9] 有一种简写方式\d。这让我们想起汇编语言的助记符，但\d使我们加重了记忆的负担。\d等价于[^0-9]。
此外，java中，\w等价于[0-9a-z_a-z] ，例如用f\wr匹配下列字符串时（里面有一个underscore），结果是： farf^rfhrf1rf价rf_r，而\w——要注意看看清楚，是大写的w——\w等价于[^\w] 也等价于[^0-9a-z_a-z]。此外，还有大s和小s，\s等价于一些不可打印字符[\t\r\n\f\x0b] ，大s是小s的否定。
大s徐熙媛
⑦ have a rest……
练习：
regex（在java源代码中）
string
“
i say:\"i love you ,java ,are you love me?\"
\或\\
【patternsyntaxexception】
i say\\i\\love\\java
\\\\
i say\\i\\love\\java【2.2-1】
f(a|o)r或f(o|a)r f[ao]r
forfaforfarfoar
fa|or
forfaforfarfoar
程序2.2-1：
import java.util.regex.*;
class regex1{
public static void main(string args[]) {
string regex="y\\\\";//试一试"y\\"
string str="i say\\i\\love\\java ";
system.out.println(str);
pattern p=pattern.compile(regex);
matcher m=p.matcher(str);
string s=m.replaceall("⊙⊙"); // ("") 删除
system.out.println(s);
}
}
程序2.2-2：
