字符串的处理
涉及字符串形式的处理，未涉及字符串的意义
一般的字符串匹配
某个特定的字符串--一个模式串
某种形式的字符串匹配--一组模式串
通配符和正则表达式 * ?
通配符(wildcard)，通配符可以用*来匹配任意字符
使用场景：通配符多用在文件名上，比如查找find，ls，cp
正则表达式<Regular Expression>
字符串匹配模式：复杂的字符串搜寻、替换工作，
无法用简单的方式(类似借助标准库函数)达成
正则表达式，*只匹配任意长度的前面的字符
1.正则表达式构成
1.正则表达式
字符簇--匹配规则<元字符 分枝条件>--匹配结果
贪婪与懒惰
2.元字符 metacharacter
位置：定位符
^ 和 $ 分别指字符串的开始与结束，\b 描述单词的前或后边界，\B 表示非单词边界。
数量：限定符：
要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。
* + 和 ? 限定符都是贪婪的
-----数量词的贪婪模式与非贪婪模式
字符类和数字类 以及反义<包括以及排除>
[ ]
注意：不能将限定符与定位符一起使用
3.转义字符--反斜杠问题
使用\来取消这些字符的特殊意义
脱离元字符属性
4.括号
圆括号()是组
方括号是单个匹配 字符集/排除字符集/命名字符集，[]是定义匹配的字符范围
2.正则表达式类型
1.流派flavor：正则引擎
是否区分大小写
比较NFA与DFA
词法分析器的任务就是将字符流转换成词法记号流
有穷自动机分为两类，即
不确定的有穷自动机NFA
确定的有穷自动机DFA
场景：文本处理
断言 捕获
2.具体
01、基本的正则表达式（Basic Regular Expression 又叫 Basic RegEx 简称 BREs）
02、扩展的正则表达式（Extended Regular Expression 又叫 Extended RegEx 简称 EREs）
03、Perl 的正则表达式（Perl Regular Expression 又叫 Perl RegEx 简称 PREs）
DFA ：awk mysql
传统型NFA Python sed vi
POSIX NFA：
DFA/NFA 混合 awk grep egrep
3.解决问题逻辑
必须出现
可能出现
不能出现
常见操作：
提取--替换--切分
验证
3.各种语言的正则表达式
正则表达式(regular expression)描述了一种字符串匹配的模式（pattern）
<1>实现哪些功能：查找，替换，分割
<2>具体实现方式： 各种语言的方式--如何创建正则表达式
<3>多个模式如何构造在一起
组合方式：或 的关系 使用 |
子表达式
原生字符串 和特殊字符串
C语言
C语言本身不具备RE特性，但是有很多库，在Linux下你可以很方便的使用regex.h提供的库
Java--Java中使用正则表达式方式 有两种
01.String类自带的正则表达式工具-
-split() 以正则表达式对字符串进行分割
02.包-regex
import java.util.regex
Pattern类
生成Matcher对象
Scala
-split() 以正则表达式对字符串进行分割
以字符为分割符进行分割--对Java中的split添加了重载的方法
var s ="this. Iam.hello"
s.split("\\.") 以正则表达式对字符串进行分割，得到一个分割后的字符串数组
s.split("l") 以字符为分割符进行分割-遇到特殊元字符 记得转义
Shell
切分字符串-- cut
工具
sed工具，sed本身也是一个管道命令，常用于一行
awk工具
grep
扩展型正则 egrep
Python--采用面向对象式的方式
Python语言中的正则表大会 标准包re提供
01.提供了一个正则表达式引擎接口，它允许我们将正则表达式编译成模式对象，
然后通过这些模式对象执行模式匹配搜索和字符串分割、子串替换等操
02.字符串--raw string 原始字符串，在普通字符串文字前加r 或者R前缀
单引号和双引号前的反斜杠
假如你需要匹配文本中的字符”\”，
方式01. 使用编程语言表示的正则表达式里将需要4个反斜杠”\\\\”
方式02.使用原生字符串
匹配迭代器--区分大小写
03. 正则表达式对象--re模块的compile()函数编译得到
正则表达式匹配对象 -----调用正则表达式对象的regex.match()、regex.fullmatch()和regex.search()得到的结果就是
方式一：使用步骤
0. 引用到程序中
01.生成字符串表达式对象
re.complie(pattern,flag=0)
02.检索--匹配--分割等
re.search() 、re.match() 、re.split()、 re.sub()
案例：
import re
key = r"<html><body><h1>hello world<h1></body></html>"#这段是你要匹配的文本
p1 = r"(?<=<h1>).+?(?=<h1>)"#这是我们写的正则表达式规则，你现在可以不理解啥意思
pattern1 = re.compile(p1)#我们在编译这段正则表达式
matcher1 = re.search(pattern1,key)#在源文本中搜索符合正则表达式的部分
print matcher1.group(0)#打印出来
方式二：
pattern1.search() pattern1.match() pattern1.split() pattern1.sub()
R语言
使用字符串操作函数
字符串匹配：grep() gerpl()
grep()负责搜索给定字符串对象中特定表达式 ，并返回其位置索引。
grepl()函数与之类似，但其后面的"l"则意味着返回的将是逻辑值。
regexpr、gregexpr和regexec
这三个函数返回的结果包含了匹配的具体位置和字符串长度信息，
可以用于字符串的提取操作
字符串替代 ：sub() gsub( )
gsub()负责搜索字符串的特定表达式，并用新的内容加以替代。
sub()函数是类似的，但只替代第一个发现结果。
字符串分割：strsplit()
字符串粘合：paste()负责将若干个字符串相连结，返回成单独的字符串
字符串截取：substr()能对给定的字符串对象取出子
substr返回的字串个数等于第一个参数的长度
而substring返回字串个数等于三个参数中最长向量长度，短向量循环使用
01. 参数设置--设置为正则表达式 fixed=FALSE
02.对 点号脱离元字符属性, 同时反斜杠本身也是元字符属性
\\.
例如： grep("\\.", c("abc", "f.g"))
strsplit(x, split, fixed= F, perl= F, useBytes= F)
03. ##普通字符串
strsplit("f.g",".",fixed=T)
##正则表达式功能
strsplit("f.g","\\.",fixed=F)
split--分组因子，用于分组
SQL
模糊匹配--正则表达式
Oracle
regexp_substr 函数使用正则表达式来指定返回串的起点和终点
regexp_instr
regexp_replace
regexp_like
MySQL
<1>MySQL用WHERE子句对正则表达式提供了初步的支持
SELECT prod_name
FROM products
WHERE prod_name REGEXP '1000'
ORDER BY prod_name;
Hive
01.split() split的第二个参数是一个regex，而‘?’有特殊的意义因此需要被转义。
02. 正则表达式替换函数：regexp_replace
语法: regexp_replace(string A, string B, string C)
返回值: string
说明：将字符串A中的 符合java正则表达式B 的部分替换为C。
注意，在有些情况下要使用转义字符,类似oracle中的regexp_replace函数。
举例：
hive> select regexp_replace('foobar', 'oo|ar', '') from lxw_dual;
fb
正则表达式解析函数：regexp_extract
语法: regexp_extract(string subject, string pattern, int index)
返回值: string
说明：将字符串subject依照pattern正则表达式的规则拆分。返回index指定的字符。
举例：
附录
1.编译器设计原理--
本地编译器--交叉编译器
编译器进行语法分析--语义分析-目标文件-链接器
分析程序生成器（Parser Generator）
汇编编写第一个--然后迭代生成
2.Latex：生成复杂表格和数学公式和排版
它的格式化引擎 TeX
参考：