学习正则表达式

花了半天时间看完了一本入门书，发现正则表达式还是挺有意思的。
一般来说，计算机处理的是数值计算问题，差不多就是算术，在算术的基础上实现可视化，数据图形对应，由此获得各种计算机辅助设计的东西。不过，计算机还有一个重要的工作就是字符串处理，或者说文本处理，正则表达式就是进行文本处理的利器。
文本处理一般来说，就是标记，查找与替换，就像阅读文章，或者改作文一样，从长篇的内容中提取出来感兴趣的内容，或者总结出一些关键词，将一些不合适的表达标记出来，然后替换为合适的表达。其中，查找是方便进行自动化的，通过给定明确的条件，就能定义出来一个合适的程序，实现所需的功能。标记和替换则往往需要人的参与，因为涉及了很多复杂而模糊的规则。
正则表达式就是用于查找的，如果把文章比作一堆谷物，正则表达式就像一个筛子，将谷物筛去一遍，留下符合要求的内容。虽然使用循环和条件结构也可以实现同样的功能，但是业务逻辑就会非常复杂，变成一个庞然大物。正则表达式可以说就是对这样的复杂的实现进行抽象，获得良好的接口，于是只需要简单的几个符号就能实现复杂的字符串匹配逻辑。
举几个例子：
纯字符串型
cat，也就是匹配所有的cat字段，比如cats，catball，bicat中的cat，可以看到这种匹配并未精准到一个单词，只是单词的一部分。如果要精确匹配一个单词的话，就需要指明，\bcat\b在cat前后都加上了\b，就限制了必须是cat这个单词才是需要的，\b也称为单词边界。
字符集合
[0123456789]使用中括号括起来，就是指允许的字符，也就是0,1,2,3,4,5,6,7,8,9，整个中括号匹配单个字符，满足要求的就是单个数字，比如1pt中的1,2unit中的2。经过简化，可以写作[0-9]，效果是一样的，比如常见的[a-z],[A-Z],就是经过简化的字母集合。常用的变量命名字符集合就是[0-9a-zA-Z_]，包括字母数字和下划线。这个集合还可以简写为\w,所以匹配任意的连续三个命名字符就写作\w\w\w。然后我们就发现似乎有些麻烦，需要重复写很多次，如果需要长度很长的匹配字符串的话，就很容易出错，所以可以通过另外的符号指定次数
\w{10}就是指十个任意命名字符。对于次数要求不那么严格的，还有各种简写。
重复字符串
\w+是指重复一次或者多次，比如1,11，111,1111，...都符合条件。
@\w*是指重复零次或多次，为了体现零次，前面加了一个非命名字符，那么@，@1，@11，...都符合条件。
#\w?是指重复零次或一次，这个的话满足条件的就比较少了，比如#，#1，#a，#_都符合条件。
这就是三个简化符号，+，*，？
发现一个大问题，在markdown中*也是特殊符号，需要进行转义，不然会导致各种排版问题，转义就是在符号前加上反斜杠\，\*。
具体的内容还有很多
比如贪婪*和懒惰*?，比如子表达式(abc)和回溯引用\1,\2，还有单词边界\b，非单词边界\B，还有取非[^0-9]，消费不消费，向前查找，向后查找。
发现忘了很多了，也很正常，复杂的一般用不上也就忘了。