李卫公的长安城

五一节掠影

李卫公 — Fri, 02 May 2008 11:06:00 GMT

技之所在，艺之所倚

李卫公 — Mon, 07 Apr 2008 14:44:00 GMT

数据库？不就是MySQL之类嘛！关系？不就是表嘛！数据库设计？对着界面就能想出来嘛！考虑不周全？改表嘛！速度不够快？你建索引了吗？加索引嘛！ …… 在我的开发经验中，类似的问答并不罕见。可是，这正常吗？

解决Gmail连接被阻断的问题

李卫公 — Fri, 14 Dec 2007 09:32:00 GMT

在用浏览器访问Gmail时，经常会遇到这样的情况，登录成功，但马上便提示无法连接服务器，这其实是因为Gmail的Web页面默认启用的聊天功能被GFW所致，解决的办法就是关掉Web中的聊天功能，具体设置如。

下面的截图是登录Gmail之后，在浏览器最下边显示的信息。在默认情况下，用户的选项是最左边的“standard with chat”，我们登录Gmail之后，抢在连接被阻断之前，选择“standard without chat”，就可以了。

开发经验谈：正则表达式与字符串

李卫公 — Thu, 18 Oct 2007 12:33:00 GMT

(欢迎转载，转载请注明出处)

在日常应用正则表达式时，经常遇到的一类问题是，弄不清楚到底该如何转义——最明显的表现就是，搞不懂究竟要使用多少个反斜线，大部分时候，只好盲目尝试，直到测试成功为止。但是，许多时候，这样的方法并不能完整解决问题。
为了彻底解决这类问题，我们需要弄清楚正则表达式与字符串的关系：它其实很简单，根据我的经验，我们只需要牢记下面两条原则：

1.正则表达式不等于字符串，但必须以字符串的形式给出

大多数语言中都存在正则表达式（regex）对象，譬如Java语言中的Pattern对象，即使没有提供专门的对象，也需要用某些特殊的字符来标注正则表达式，譬如PHP中常用的反斜线‘/’。另一方面，正则表达式对某些字符或字符序列有自己的规定，不同于字符串的规定，譬如‘\b’在正则表达式中表示单词分界符，而在普通字符串中表示退格字符。因此我们可以说，正则表达式并不等于普通的字符串。
但是，正则表达式又终究是一种处理文本的语言，因此，我们写出的所有正则表达式，都是以字符串形式提供的。
所以，在应用正则表达式的过程中，需要进行从字符串到正则表达式本身的转换。
也就是
“源代码中的字符序列”->“字符串”->“正则表达式”

譬如，在Java语言中，正则表达式中的‘\b’，在以字符串表示时，必须写做
String regex = "\\b";
其中第1个反斜线用来转义第2个反斜线，这样，正则表达式接受到的才是真正的‘\b’，对应正则表达式中的单词分界符，如果我们写
String regex = "\b";
编译也没有问题，但此时正则表达式接受的是一个字符，即退格符。

需要注意的是，在Java和C#之类的语言中，如果字符串中出现的字符序列无法识别，编译会出错，譬如这样：
String regex = "\w";
编译无法通过，因为根据字符串的规定，‘\w’不是一个合法的转义序列，在字符串这一关就卡住了。

但是在PHP和Python之类的语言中，这样写却没有问题。原因在于，如果PHP和Python发现字符串中有无法识别的转义序列，会原封不动地保存下来，这样，正则表达式接受到的，仍然是‘\w’。
当然，我们也可以在这些语言中使用‘\\w’，结果是一样的，因为此时，在进行字符串处理时，第1个反斜线转义了第2个反斜线，正则表达式接受到的，仍然是‘\w’。

这是在实际开发中非常迷惑人的一点，只要我们弄清了正则表达式和字符串的关系，就不会再感到迷惑。

2.正则表达式中单独出现的反斜线也需要转义

在正则表达式中，反斜线通常与其它字符一起构成特殊的结构，譬如‘\d’用来匹配数字字符，‘\s’用来匹配空白字符，‘\1’用来反向引用第一个分组捕获的文本。
可是，如果我们在正则表达式中，仅仅需要表示“反斜线”字符本身，该如何做呢？
其实，正则表达式对这个问题的处理，与字符串的处理是一样的，也就是说，在正则表达式中，必须用转义序列‘\\’来表示单个反斜线。
这个规定会带来一个有趣的问题：正则表达式中单独出现的反斜线字符，在正则表达式的层面，必须以转义序列‘\\’来表示，然而，每个反斜线，在表示正则表达式的字符串中，又必须以转义序列‘\\’来表示。所以，在字符串中，必须写出四个反斜线‘\\\\’，才能对应到正则表达式中单独出现的一个反斜线字符：在字符串处理层面，它们会被识别为两个反斜线‘\\’，在正则表达式的层面，它们会被识别为单个反斜线字符‘\’。

很麻烦，很困惑，但是，其实也不难明白，对吗？

开发笔记：MySQL的维护语句

李卫公 — Fri, 28 Sep 2007 13:51:00 GMT

Analyze Table

MySQL的Optimizer（优化元件）在优化SQL语句时，首先需要收集一些相关信息，其中就包括表的cardinality（可以翻译为“散列程度”），它表示某个索引对应的列包含多少个不同的值——如果cardinality大大少于数据的实际散列程度，那么索引就基本失效了。
我们可以使用SHOW INDEX语句来查看索引的散列程度：

SHOW INDEX FROM PLAYERS;

TABLE   KEY_NAME COLUMN_NAME CARDINALITY
------- -------- ----------- -----------
PLAYERS PRIMARY PLAYERNO             14

因为此时PLAYER表中不同的PLAYERNO数量远远多于14，索引基本失效。
下面我们通过Analyze Table语句来修复索引：

ANALYZE TABLE PLAYERS;
SHOW INDEX FROM PLAYERS;
结果是：
TABLE   KEY_NAME COLUMN_NAME CARDINALITY
------- -------- ----------- -----------
PLAYERS PRIMARY PLAYERNO           1000

此时索引已经修复，查询效率大大提高。

需要注意的是，如果开启了binlog，那么Analyze Table的结果也会写入binlog，我们可以在analyze和table之间添加关键字local取消写入。

Checksum Table

数据在传输时，可能会发生变化，也有可能因为其它原因损坏，为了保证数据的一致，我们可以计算checksum（校验值）。
使用MyISAM引擎的表会把checksum存储起来，称为live checksum，当数据发生变化时，checksum会相应变化。
在执行Checksum Table时，可以在最后指定选项qiuck或是extended；qiuck表示返回存储的checksum值，而extended会重新计算checksum，如果没有指定选项，则默认使用extended。

Optimize Table

经常更新数据的磁盘需要整理碎片，数据库也是这样，Optimize Table语句对MyISAM和InnoDB类型的表都有效。
如果表经常更新，就应当定期运行Optimize Table语句，保证效率。
与Analyze Table一样，Optimize Table也可以使用local来取消写入binlog。

Check Table

数据库经常可能遇到错误，譬如数据写入磁盘时发生错误，或是索引没有同步更新，或是数据库未关闭MySQL就停止了。
遇到这些情况，数据就可能发生错误：
Incorrect key file for table: ' '. Try to repair it.
此时，我们可以使用Check Table语句来检查表及其对应的索引。
譬如我们运行
CHECK TABLE PLAYERS;

结果是
TABLE          OP    MSG_TYPE MSG_TEXT
-------------- ----- -------- --------
TENNIS.PLAYERS check status   OK

MySQL会保存表最近一次检查的时间，每次运行check table都会存储这些信息：

执行
SELECT    TABLE_NAME, CHECK_TIME
FROM      INFORMATION_SCHEMA.TABLES
WHERE     TABLE_NAME = 'PLAYERS'
AND       TABLE_SCHEMA = 'TENNIS';

结果是

TABLE_NAME   CHECK_TIME
----------   -------------------
PLAYERS      2006-08-21 16:44:25

Check Table还可以指定其它选项：
UPGRADE：用来测试在更早版本的MySQL中建立的表是否与当前版本兼容。
QUICK：速度最快的选项，在检查各列的数据时，不会检查链接（link）的正确与否，如果没有遇到什么问题，可以使用这个选项。
FAST：只检查表是否正常关闭，如果在系统掉电之后没有遇到严重问题，可以使用这个选项。
CHANGED：只检查上次检查时间之后更新的数据。
MEDIUM：默认的选项，会检查索引文件和数据文件之间的链接正确性。
EXTENDED：最慢的选项，会进行全面的检查。

Repair Table

用于修复表，只对MyISAM和ARCHIVE类型的表有效。
这条语句同样可以指定选项：
QUICK：最快的选项，只修复索引树。
EXTENDED：最慢的选项，需要逐行重建索引。
USE_FRM：只有当MYI文件丢失时才使用这个选项，全面重建整个索引。

与Analyze Table一样，Repair Table也可以使用local来取消写入binlog。

老大哥啊老大哥

李卫公 — Wed, 26 Sep 2007 11:49:00 GMT

当年，斯大林同志对高尔基同志的《姑娘与死神》的批示，曾引起两名教授在《真理报》上撰文论证：斯大林同志之所以少写一个字母，是因为新生阶级的爱情截然不同于腐朽没落的资产阶级爱情。最后领袖再次批示：笨蛋，此系笔误。

最近，贾平凹老师又为铁凝老师的题词张罗了一次诠释。我们的表现，确实还远远比不上当年的老大哥。

奥威尔的《1984》，最后一句话是：他战胜了他自己，他热爱老大哥！看来，我们的某些同志，确实还无法战胜自己，离老大哥还差的远呢。

《精通正则表达式》勘误

李卫公 — Fri, 14 Sep 2007 11:01:00 GMT

因为工作不够细致，最终版本的《精通正则表达式》还存在如下问题，只能以勘误形式发布作为补救了，请各位读者见谅。
如果大家在阅读中发现其他问题，欢迎来信指出。
yusheng.regex@gmail.com

推荐序

vi页，第1行， “那它就被成为阳春应用”，应该修改为“那它就被称为阳春应用”；

前言

Ⅱ页，倒数第3段，“读这本书以前，我以为自己了解正则表达式，但现在我才真正了解”应修改为“读这本书以前，我以为自己了解正则表达式，但现在我才真正弄明白”

Ⅱ页，倒数第2段，“在其它任何地方都难以找到这样丰富的细节”应修改为“在其它任何地方都难以找到这样完整而详尽的资料”

Ⅴ页，第1段，“来开发引擎的能力，并避免其中的缺陷”应修改为“来发掘引擎的能力，绕开引擎的缺陷”

Ⅵ页，第1段，“[…]表示一对方括号，之间的内容无关紧要；而[…]表示一对方括号，其中包含三个句点”应修改为“[…]表示其间内容无关紧要的一对方括号，而[…]表示包含三个句点的方括号”

第1章

2 页，倒数第2段，“但是它不一定能代表正则表达式在平时解决的那些“不值一提”（uninteresting）的问题。这里的“不值一提”是指这类问题并不能成为谈资，可是不解决它们，你就没法继续干活”应修改为“但是正则表达式在平时还用来解决那些“讨人厌（uninteresting）”的问题。说“讨人厌”，是因为它们不适合跟外人吹嘘，可是不解决它们，你就没法继续干活”

6页，标题“正则表达式的思维框架”应修改为“理解正则表达式的结构”

9页，倒数第3段，“在搜索HTML代码的头文件时这非常有用”应修改为“在搜索HTML Header时这非常有用”

12页，注4中“作为一个小孩子，那时候我感觉非常受伤”应修改为“当时我还是个孩子，很受伤”

14页，第4段，“匹配一行的起始位置，然后匹配「^From」、「Subject」或「Date」中的任意一个”应修改为“匹配一行的起始位置，然后匹配「From」、「Subject」或「Date」中的任意一个”

15页，第3段，“我使用-i参数的频率很高”应修改为“我经常使用-i参数”

15页，倒数第4段，“>”字符不应该是黑体

17页，倒数第3段，“无论u是否出现，匹配都是成功的”应修改为“无论u是否出现，匹配都会成功”

18页，倒数第3段，“因为它们限定了所作用元素的匹配次数”应修改为“因为它们限定了所作用元素的重现次数”

19页，第2段，“一个字符组是一个“元素”（unit），所以它可以直接加加号、星号等，而不需要用括号”应修改为“一个字符组就是一个“元素”（unit），可以对它直接使用加号、星号等，而不需要括号”

19页，倒数第1段，“每个量词都规定了匹配成功至少需要的次数下限，以及尝试匹配的次数上限”应修改为“每个量词都规定了匹配成功至少需要的重现次数下限，以及尝试匹配的重现次数上限”

20页，表1-2中：“可以不出现，也可以只出现一次”修改为“可以出现，也可以只重现一次”；“可以出现无数次，也可以不出现”修改为“可以重现无穷多次，也可以不出现”； “可以出现无数次，但至少要出现一次”修改为“可以重现无穷多次，但至少要出现一次”

21页，倒数第2段，“这并不是正则表达式的错误”应修改为“正则表达式对此无能为力”

27 页，第1段，“而且说“如果你写一个正则”，“巧妙的正则”（budding regexers），甚至是“正则化”（regexification）”修改为“而且说“如果你写一个正则”，“巧妙的正则”（budding regexers），甚至是“正则化”（regexification）听起来更顺一些。我说的“正则引擎（regex engine）”指的是程序中实际执行匹配尝试的那个部分”

第2章

37页，第1段，“它们都非常不同于“传统”的预言，例如C和Pascal”应修改为“它们截然不同于C和Pascal之类“传统”的预言”

38页，倒数第1段，“运算符==用来测试两个数字是否相等”修改为“运算符==用来测试两个数值是否相等”

40 页，第1段，“我不想在本章中讨论Perl的细节，但是我告诉你用printf（“格式化输出（print formatted）”）可以解决这个问题”修改为“我不想在本章中讨论Perl的细节，不过我还是想说，printf（“格式化输出（print formatted）”）可以解决这个问题”

40页，第3段，“Perl通常情况下不区分整数和浮点数”修改为“Perl一般不区分整数和浮点数”

41页，倒数第1段，“我们发现，这个图让我们很容易地决定匹配之后应该干什么”修改为“看了这张图，我们很容易就能决定匹配之后应该干什么”

46页，补充内容的最后1段，“尽管因为第4章将会解释其原因，字符组的效率通常还是会高一点”修改为“不过根据第4章解释的原因，字符组的效率通常要高一些”

67页，第3段下面，正则表达式“$text =~ s/(\d)(?=(\d\d\d)+(?!\d)/$1,/g”应修改为“$text =~ s/(\d)(?=(\d\d\d)+(?!\d))/$1,/g”，少了一个括号

70页，第2段，所以整个正则表达式的意义就不再是“寻找空行及只包含空白字符的行”，而是“寻找连续、空行和只包括空白字符的行的结合”
应修改为
所以整个正则表达式的意义就不再是“寻找空行或只包含空白字符的行”，而是“寻找空行和只包含空白字符的行的结合”

76页，倒数第2段，“此外，我们的匹配主机名的正则表达式只存在一个“主源（main source）””应修改为“此外，我们的匹配主机名的正则表达式只存在一个“源头（main source）”，”

第78页
示例2-3中第4标注
{\e[7m$1\e[m$2\e[7m$3\e[m ] igx;
应修改为
{\e[7m$1\e[m$2\e[7m$3\e[m } igx;

第3章

89页，第1段，“不支持字符组中的\w（完全不支持\d和\s）”应修改为“在字符组中无法使用\w（\d和\s在任何地方都无法使用）”

92页，倒数第2段，“在极端的情况下，反向引用的“行为”有意义吗？”应修改为“在极端的情况下，反向引用还能正常工作吗？”

95页，标题“函数式处理的例子”应修改为“程序式处理的例子”

95页，倒数第1段，“不过，Java也提供了一些函数式处理的……”应修改为“不过，Java也提供了一些程序式处理的……”

95页，Pattern r = Pattern.compile("^Sujbcet:(.*)",Pattern.CASE_INSENSITIVE);
其中的Sujbcet应写为Subject

96页，第2段，“Sun的package同时提供了程序式和面向对象式的处理方式是常见的做法”应修改为“Sun的package同时提供了程序式和面向对象式的处理方式，这是种常见的做法”

111页，第1段，“常见的例子是大写的ß是两个字符的组合“SS”。这种情况只有Perl能够正确处理”应修改为“常见的例子是，大写的ß由两个字符“SS”组合而成。这种情况只有Perl能够正确处理”

114页，“字符组及相关结构”中，“字符组缩略表示法”应修改为“字符组简记法”

130页，3-11表名“脚本语言中的行锚点”应修改为“若干语言中的行锚点”

131页，第1段，“如果结合上面那一点”应修改为“结合第一点”

132页，第3段，“但是这段程序的执行单位不是一次表达式而是一次匹配”应修改为“但是，循环的单位不是单个的表达式，而以一组表达式的匹配”

134页，“中间一级不过是“语法（syntactic sugar）”，表达方式更美观而已，”应修改为“中间一级不过是用起来更方便而已（syntactic sugar）”

第4章

152页，倒数第1段，括号内，“抑制自己的天性”应修改为“克制自己的本能”

156 页，第3段，“也就是说“不到最后关头不能分胜负（It’s not over until the fat lady sings）”，但这段话又不符合本段的语境”
应修改为
“也就是说“不到最后关头不能分胜负（It’s not over until the fat lady sings）””

156页第3段第2行
原文：即使某个字表达式能够匹配
应改为：即使某个子表达式能够匹配

160页文字部分的第5行
原文：字符串的b之前（也就是当前的位置）匹配
应该为：字符串的c之前（也就是当前的位置）匹配

172页，第2段，“就可以命令正则引擎不必检查它们：「^(?>\w+)」”应修改为“就可以命令正则引擎不必检查它们：「^(?>\w+):」”

第5章

188页文字部分的第4段第2行结尾
原文：也不比担心
应该为：也不必担心

191页，代码段中的注释大小写错误，“#利用正则表达式检测wholePath”应修改为“#利用正则表达式检测WholePath”

195页，倒数第1段，“虽然这个表达式比最开始的好得多”应修改为“虽然这个表达式比开头那个好一些”

197页，第3段，“所以，我们得用别的办法来解决”应修改为“所以，得想点别的办法”

197页，第4段，“仔细想想我们想要匹配的位于开始分隔符和结束分隔符之间的文本”应修改为“仔细想想要匹配的位于开始分隔符和结束分隔符之间的文本”

197页，倒数第3段，“如果回溯会导致不期望，与多选结构有关的匹配结果”应修改为“如果回溯会导致不期望的、与多选结构有关的匹配结果”

199页，第5段，“这个正则表达式曾被用作降解忽略优先量词的绝佳例子”应修改为“这个正则表达式曾被用作讲解忽略优先量词的绝佳例子”

199页，倒数第2段，“但它并不正确（其实这三个表达式都不正确）”应修改为“但它并没有错（其实这三个表达式都没有错）”

203页，标题“检查HTTP URL”应修改为“校验HTTP URL”，目录中也应同样修改

205页，代码段注释中，“零个或多个据点分隔的部分”应修改为“零个或多个点号分隔的部分”

210页最后一行
原文：导致逆序环视（？！44）失败
应改为：导致否定顺序环视（？！44）失败

第6章

225页，第2段，“对于没有转义字符的字符串来说，这样会一次读入整个字符串”应修改为“不包含转义字符的字符串，会被一次读入”

233页，倒数第1段，“所以，对这个例子来说，多选结构要比字符组快22倍左右”应修改为“所以，对这个例子来说，字符组比多选结构快22倍左右”

234页，第4段，“新增的开销大约花费了5s的时间”应修改为“新增的开销大约是5秒”

234页正文部分第2行
原文：现在，测试字符串只是上面的长度的1/1000，而测试需要进行1000次。
应该为：现在，测试字符串只是上面的长度的1/1000，而测试需要进行1000000次。

246页，第1段，“也能够减少传动装置真正应用正则表达式的位置”应修改为“也能减少传动装置真正应用正则表达式的次数”

266页，第3段，“你就能把这几条推广开来”应修改为“就能把这几条推广开来”

266页，倒数第4段，“事实上，如果点号不能匹配换行符”应修改为“事实上，如果点号能够匹配换行符”

269页，第1段，“不会在匹配时陷入徒劳的尝试”应修改为“无法匹配时会陷入徒劳的尝试”

274页上数第4行
原文：紧跟在x之后的斜线
改正：[^x]/ 是紧跟在不是x的字母后面的斜线

第7章

293页，倒数第1段，“动态作用域会临时“保护”全局变量”应修改为“动态作用域会把全局变量临时“遮蔽”起来”

296页，倒数第2段，“为方便起见，我们也可以给本地变量赋一个值 local($SomeVar)，这等于把undef赋值给$SomeVar”应修改为“为方便起见，我们也可以给 local($SomeVar)赋值，这等于给$SomeVar明确赋值，而不是使用undef”

299页，第3段，“分散在散落的 local、子程序和本地变量引用之间的复杂交互”应修改为“分布在散落的 local、子程序和本地变量引用之间的复杂交互”

300页，正文第1段，“你可以期望$ 的起点是开始尝试位置的文本,但它每次都是从整个字符串的开始位置开始的”应修改为“你可能认为$ 的起点是开始尝试位置的文本，其实它每次都是从整个字符串的开始位置开始的”

301页，倒数第1段，“明确设定的$1 等变量中，闭括号在最后”应修改为“明确设定的$1 等变量中，闭括号在最后的那对括号”

308页，标题“指定目标运算元”应修改为“指定匹配目标运算元”

326页，第2段，“split 没有返回的部分或全部的文本”应修改为“通常情况下split不会返回的部分或全部的文本”

327页，标题“嵌套代码结构”应修改为“内嵌代码结构”

356页，第1段，“不包含捕获型括号的正则表达式可以不必保存拷贝”应修改为“不包含捕获型括号的正则表达式可以不必保存副本”

361页，第4段，“这很适合检查单个的正则表达式的编译方法”应修改为“这很适合检查单个正则表达式的编译过程”

第8章

368页，表8-3倒数第3行，“对Unicode字符进行不区分大小写的匹配”应修改为“对非ASCII字符进行不区分大小写的匹配”

369页，倒数第4段，“Unicode block的支持要求使用‘In’前缀”应修改为“Unicode区块的支持必须使用‘In’前缀”

371页，第2段，“就我个人来说，更喜欢简称前两个为“pattern”和“matcher””应修改为“我自己更喜欢把前两者简称为“pattern”和“matcher””

374页，倒数第6段，“当前pattern的捕获型括号的数目”应修改为“当前pattern中捕获型括号的数目”

377页倒数第7行
原文：int end()
次方法返回整个匹配的终点的绝对偏移值
改为：此方法返回整个匹配的终点的绝对偏移值

377页，函数“String gropu(int num)”应修改为“String group(int num)”

388页，最后一段，“即检索范围不等于整个目标字符串”应修改为“即使检索范围不等于整个目标字符串也是如此”

389页，标题“构建扫描程序”应修改为“构建扫描程序的方法”

第9章

410页，第5段，“即用即编译（On-The-Fly Compilation）”应修改为“直接编译（On-The-Fly Compilation）”

410页，倒数第2段，“来进行“即用即编译”的编译”应修改为“来进行“直接编译”的编译”

432页，标题“支持函数”应修改为“辅助函数”

432页，倒数第4段，“还有一些静态的支持函数”应修改为“还有一些静态辅助函数”

438页，倒数第3段，“尽管涌出并不大”应修改为“尽管用处并不大”

第10章

442页，第3段，“十进制转义只能接受两到三位八位数值”应修改为“八进制转义只能接受两到三位八进制数字”

445页，倒数第5段，“第448也给出了一个“不好”的原因”应修改为“第448页给出了一个“不好”的理由”

455页，第3段，“这就是默认的配列方式”应修改为“这就是默认的排列方式”

459页，第3段，“这个简单的例子把HTML中的bold tag全部转换为大写”应修改为“这个简单的例子在HTML中的所有大写单词两端加上bold tag”

459页，倒数第4段，“下面这个扩展的例子把bold tag里的单词变为小写”应修改为“下面这个扩展的例子在添加bold tag的同时把单词转换为小写”

460页的表格，第三行开头应该为“数组数组”，第四行开头应该为“字符串数组”

《精通正则表达式》译者序

李卫公 — Fri, 31 Aug 2007 09:38:00 GMT

《精通正则表达式（第3版）》（即Mastering Regular Expression，3rd Edition）是一本好书。
我还记得，自己刚开始工作时，就遇到了关于正则表达式的问题（从此被逼上梁山）：若从文本中抽取E-mail地址，还可以用字符串来查找（先定位到@，然后向两端查找），若要抽取URL，简单的文本查找就无能为力了。正当我一筹莫展之时，项目经理说：“可以用正则表达式，去网上找找资料吧。”抱着这根救命稻草，我搜索了之前只是听说过名字的正则表达式的资料，并打印了java.util.regex（开发用的Java）的文档来看。摸索了半天，我的感觉就是，这玩意儿，真神奇，真复杂，真好用。
此后，用到正则表达式的地方越来越多，我也越来越感觉到它的重要，然而使用起来却总感觉捉襟见肘。当时是夏天，北京非常热，我决定下班之后不再着急赶车回家，而是在公司安心看看技术文档，于是邂逅了这本Mastering Regular Expression。该书原文是相当通畅易懂的，看完全书大概花了我一周的业余时间，之后便如拨云见日，感觉别有洞天——原来正则表达式可以这样用，真是奇妙，真是令人拍案叫绝。
此后我运用正则表达式便不用再看什么资料了，充其量就是查查语言的具体文档，表达式的基本模型和思路，完全是在阅读本书时确立的。也正是因为细心阅读过本书，所以有时我能以正则表达式解决某些复杂的问题。我的朋友郝培强（Tinyfool，昵称Tiny）曾问过我这样一个正则表达式的问题：在Apache服务器的Rewrite规则中，要求以一个正则表达式匹配“除两个特定子域名之外的所有其他子域名”，其他人的办法都无法满足要求：要么只能匹配这两个特定的子域名，要么必须依赖程序分支才能进行判断。其实这个问题，是可以用一个正则表达式匹配的。事后，Tiny说，看来，会用正则的人很多，但真正懂得正则的人很少。现实情况也确实如此，就我所见，不少同仁对正则表达式的运用，不外乎从网上找一些现成的表达式，套用在自己的程序中，但对到底该用几个反斜线转义，转义是在字符串级别还是表达式级别进行的，捕获型括号是否必须，表达式的效率如何，等等问题，往往都是一知半解，甚至毫无概念，在Tiny的问题面前，更是束手无策，一筹莫展。
就我个人来说，我所掌握的正则表达式的知识，绝大多数来自本书。正是依靠这些知识，我几乎能以正则表达式进行自己期望的任何文本处理，所以我相信，能够耐心读完这本书的读者，一定能深入正则表达式的世界，若再加以练习和思考，就能熟练地依靠它解决各种复杂的问题（其中就包括类似Tiny的问题）了。
去年，通过霍炬（Virushuo）的介绍，我参加了博文视点的试译活动，很幸运地获得了翻译本书的机会。有机会与大家分享这样一本好书，我深感荣幸。500多页的书，拖拖拉拉，也花了半年多的时间。虽然之前读过原著，积累了一些运用正则表达式的经验，也翻译过数十万字的资料，但要尽可能准确、贴切地传达原文的阅读感觉，我仍感颇费心力。部分译文在确认理解原文的基础上，要以符合中文习惯的方式加以表述仍然颇费周折（例如，直译的“正则表达式确实容许出现这种错误”，原文的意思是“这样的错误超出了正则表达式的能力”，最后修改为“出现这样的错误，不能怪正则表达式”或“这样的问题，错不在正则表达式”）。另有部分词语，虽可译为中文，但为保证阅读的流畅，没有翻译（例如，“它包含特殊和一般两个部分，特殊部分之所以是特殊的，原因在于……”，此处special和normal是专指，故翻译为“它包含special和normal两个部分，special部分之所以得名，原因在于……”），这样的处理，相信不会影响读者的理解。
在本书翻译结束之际，我首先要感谢霍炬，他的引荐让我获得了翻译这本书的机会；还要感谢博文视点的周筠老师，她谨慎严格的工作态度，时刻提醒我不能马虎对待这本经典之作；还有本书的责编晓菲，她为本书的编辑和校对做了大量细致而深入的工作。
另外我还要感谢东北师范大学文学院的王确老师，在我求学期间，王老师给予我诸多指点，离校时间愈长，愈是怀念和庆幸那段经历，可以说，没有与他的相识，便没有我的今天。
本书是讲授正则表达式的经典之作，翻译过程中，我虽力求把握原文，语言通畅，但翻译中的错误或许是在所难免的，对此本人愿负全部责任。希望广大读者发现错误能及时与我和出版社联系以便再版时修正，或是以勘误的形式公布出来以惠及其他读者。如果读者有任何想法或建议，欢迎给我写信，我的邮件地址是： yusheng.regex@gmail.com。

如今正则表达式已经成为几乎所有主流编程语言中的必备元素：Java、Perl、Python、PHP、Ruby……莫不如此，甚至功能稍强大一些的文本编辑工具，都支持正则表达式。尤其是在Web兴起之后，开发任务中的一大部分甚至全部，都是对字符串的处理。相比简单的字符串比较、查找、替换，正则表达式提供了强大得多的处理能力（最重要的是，它能够处理“符合某种抽象模式”的字符串，而不是固化的、具体的字符串）。熟练运用它们，能够节省大量的开发时间，甚至解决一些之前看来是mission impossible的问题。
本书是讲解正则表达式的经典之作。其他介绍正则表达式的资料，往往局限于具体的语法和函数的讲解，于语法细节处着墨太多，忽略了正则表达式本身。这样，读者虽然对关于正则表达式的具体规定有所了解，但终究是只见树木不见森林，遇上复杂的情况，往往束手无策，举步维艰。而本书自第1版开始便着力于教会读者 “以正则表达式来思考（think regular expression）”，向读者讲授正则表达式的精髓（正则表达式的各种流派、匹配原理、优化原则，等等），而不拘泥于具体的规定和形式。了解这些精髓，再辅以具体操作的文档，读者便可做到“胸中有丘壑，下笔如有神”；即便问题无法以正则表达式来解决，读者也能很快作出判断，而不必盲目尝试，徒费工夫。
不了解正则表达式的读者，可循序渐进，依次阅读各章，即便之前完全未接触过正则表达式，读过前两章，也能在心中描绘出概略的图谱。第3、4、5、6章是本书的重点，也是核心价值所在，它们分别介绍了正则表达式的特性和流派、匹配原理、实用诀窍以及调校措施。这样的知识与具体语言无关，适用于几乎所有的语言和工具（当然，如果使用DFA引擎，第6章的价值要打些折扣），所谓“大象无形”，便是如此。读者如能仔细研读，悉心揣摩，之后解决各种问题时，必定获益匪浅。第7、8、9、10章分别讲解了Perl、Java、.NET、PHP中正则表达式的用法，看来类似参考手册，其实是对前面4章知识的包装，将抽象的知识辅以具体的语言规定，以具体的形式表现出来。所以，心急的读者，在阅读这些章节之前，最好先通读第3、4、5、6章，以便更好地理解其中的逻辑和思路。
相信仔细阅读完本书的读者，定会有登堂入室的感觉。不但能见识到正则表达式各种令人眼花缭乱的特性，更能够深入了解表达式、匹配、引擎背后的原理，从而写出复杂、神奇而又高效的正则表达式，快速地解决工作中的各种问题。

余晟
2007年6月于北京

开发笔记：关于一个函数的讨论

李卫公 — Tue, 21 Aug 2007 16:42:00 GMT

朋友问这样的问题：
写了一个函数，从网页源代码中抽取一个结点的文本，函数本身没有问题，但同事在code review时指出，如果提取不成功，应该返回None，而不是空字符串""。

提问的朋友跟我说：你之前说过，从数据库里取出一批数据，如果不存在，要返回一个空的Collection，而不是None（这样才能正确表示“需要的数据不存在”），那么这里，是否应该听取同事的意见呢？
当时我的回答是，因为从这个函数接受数据的代码期望获得的是一个字符串，所以，如果提取不成功，应该返回""。
但是，这样，就无法区分下面两种情况了：存在这个结点，但是一个空结点；不存在这个结点。

这几天晚上一直在思考这个问题，并与Patrick讨论，最后的结论是：
之所以会出现这个问题，原因在于函数的定义是不明确的——虽然函数名看来很清楚，但它的意义是不确定的。
按照契约式设计(Design by Contract)的原则，每个模块都应该有前驱条件(pre-condition)和后继条件(post-condition)。正是因为两位开发人员对这一点的认识存在分歧，问题才会出现：

如果这个函数的前驱条件是，必须提供一段包含此结点的源代码（也就是说，这个结点必须存在），就不能返回None，返回""，就表示这个结点内容为空，如果提供的源代码不包含这个结点，应抛出异常；
如果前驱条件是，提供的源代码不必包含这个结点，那么，这个函数其实就履行了两项职责——检查是否存在结点，以及提取结点的文本，必须与调用方有一个约定，来表示这两重含义（此时可以用None表示“不存在结点”的情况，用""表示结点内容为空的情况，当然我不推荐这么做）。

同样，按照契约式设计的原则，数据验证的职责在调用方，也就是说，约定了这个函数的前驱和后继条件之后，调用方在调用之前，必须保证前驱条件：如果函数要求源代码必须包含这个结点，那么验证是否存在的职责就应该由调用方来承担。

我感觉不到任何乐趣

李卫公 — Wed, 08 Aug 2007 10:27:00 GMT

看了这个视频，感觉不到任何乐趣，只看到愚蠢、低级和庸俗。
如果说，好端端的一个节目，央视来办就会办砸，办到傻气四溢趣味全无，那么，现在谷歌可以高傲地宣称，他们已经超过了央视。呆若木鸡的表情，粗制滥造的台词，了无新意的情节，如果果真是谷歌春节晚会的节目，那么我们只能说，这是一群远离高尚的人，一群很难说是纯粹的人，一群分不清底线的人，一群没有脱离低级趣味的人。Google高高在上的金字招牌，更像是他们华丽的裹尸布——原来神圣的光环之后，竟然隐藏着这样的龌龊。

或许，谷歌已经深得炒作之道，作一次芙蓉姐姐，收获天量的眼球？

到底是谁恶搞了谁？

一个Shell脚本的三次改进

李卫公 — Mon, 06 Aug 2007 17:50:00 GMT

最近需要迁移CVS服务器，需要将project中的CVS目录全部删除。这项工作非常繁琐，所以我希望用Shell脚本来完成。
最先想到的是经典的“递归查找”思路，按照层序遍历整个目录，找到CVS目录，就删除

#!/bin/sh

function processFile {
    if [ -d $1 ]; then
        for currentFile in $1/*
        do
            if [ -d "$currentFile" ]; then
                contain=$(echo "$currentFile" | grep 'CVS$')
                if [ -n "$contain" ]; then
                    echo "rm -rf $currentFile"
                else
                    processFile "$currentFile"
                fi
            fi
        done
    fi
}

processFile $1

忽然我想到Shell中的find命令可以递归地查找所有的目录，于是可以这样获得所有CVS目录

#之所以要在后面添加grep，是为了确保目录结尾为CVS
find . -name 'CVS' | grep 'CVS$'

那么接下来我们只需要依次删除这条命令输出的各个目录就好了，但是rm命令似乎又无法接收多行（或者是我不知道），只好先拼成一行再传过去（如果太长，可以用for循环来处理）

#!/bin/sh

cvsDirs=$(find . -name 'CVS' | grep 'CVS$' | sed -e 's/\n//g' | awk 'BEGIN {fileStr=""} {fileStr=fileStr" "$0} END {print fileStr}')
rm -rf $cvsDirs

还是很复杂

最后我发现了更好的办法，对于导出的每个CVS目录，我们只需要在前面添加rm -rf命令，就可以删除了

所以，最后就是一句话：

#!/bin/sh
find . -name 'CVS' | grep 'CVS$' | sed -e 's/^/rm -rf /g' | /bin/sh

更换Ubuntu自带的ALSA驱动，获得更好的音质

李卫公 — Mon, 06 Aug 2007 12:30:00 GMT

很久没有用音箱听音乐，周末本来准备去买一对惠威M200 MK2，之前先试试已经服役7年的Creative Soundworks SW300，却发现T60的声卡在Ubuntu下的音质比Windows下差很多，买音箱的念头只好暂时作罢。
不甘心地在网上搜索了半天，找了个办法，自己编译一个ALSA驱动，更换Ubuntu自带的驱动，换上去听听，确实有了不小的进步，以下是操作步骤：

首先，获取编译需要的软件包：
sudo apt-get install build-essential ncurses-dev gettext
然后
sudo apt-get install linux-headers-`uname -r`

在编译替换之前，必须首先停止当前的ALSA服务：
sudo /etc/init.d/alsa-utils stop
sudo /etc/init.d/alsasound stop

现在创建一个目录，用于编译alsa的驱动
mkdir alsa-src
cd alsa-src

然后下载
wget ftp://ftp.alsa-project.org/pub/driver/alsa-driver-1.0.14rc3.tar.bz2
wget ftp://ftp.alsa-project.org/pub/lib/alsa-lib-1.0.14rc3.tar.bz2
wget ftp://ftp.alsa-project.org/pub/utils/alsa-utils-1.0.14rc2.tar.bz2

解包
tar xvjf alsa-driver-1.0.14rc3.tar.bz2
tar xvjf alsa-lib-1.0.14rc3.tar.bz2
tar xvjf alsa-utils-1.0.14rc2.tar.bz2

在编译之前，还要下载对应的补丁文件
wget http://lenovo.dropshock.com/files/realtek6.tar.gz

用补丁文件替换源文件
tar xvzf realtek6.tar.gz
cp patch_realtek.c ~/alsa-src/alsa-driver-1.0.14rc3/alsa-kernel/pci/hda/

现在开始编译
cd alsa-driver-1.0.14rc3
./configure --with-cards=hda-intel
make
sudo make install

cd ../alsa-lib-1.0.14rc3
./configure
sudo make install

cd ../alsa-utils-1.0.14rc2
./configure
sudo make install

好了，编译完成，剩下的就是替换掉原有的alsa驱动
sudo modprobe -r snd-hda-intel && sudo modprobe snd-hda-intel

重新启动alsa
sudo /etc/init.d/alsa-utils restart
sudo /etc/init.d/alsasound restart

然后重新启动Ubuntu，可能会发现音量图标上有个红叉，需要在音量控制界面中将PCM的静音取消。
再听听，音质果然好了不少。

开发笔记：Python中的Module

李卫公 — Mon, 02 Jul 2007 17:57:00 GMT

Python中的Module是比较重要的概念。常见的情况是，事先写好一个.py文件，在另一个文件中需要import时，将事先写好的.py文件拷贝到当前目录，或者是在sys.path中增加事先写好的.py文件所在的目录，然后import。这样的做法，对于少数文件是可行的，但如果程序数目很多，层级很复杂，就很吃力了。
有没有办法，像Java的Package一样，将多个.py文件组织起来，以便在外部统一调用，和在内部互相调用呢？答案是有的。

要弄明白这个问题，首先要知道，Python在执行import语句时，到底进行了什么操作，按照Python的文档，它执行了如下操作：
第1步，创建一个新的，空的module对象（它可能包含多个module）；
第2步，把这个module对象插入sys.module中
第3步，装载module的代码（如果需要，首先必须编译）
第4步，执行新的module中对应的代码。

在执行第3步时，首先要找到module程序所在的位置，其原理为：
如果需要导入的module的名字是m1，则解释器必须找到m1.py，它首先在当前目录查找，然后是在环境变量PYTHONPATH中查找。PYTHONPATH可以视为系统的PATH变量一类的东西，其中包含若干个目录。如果PYTHONPATH没有设定，或者找不到m1.py，则继续搜索与Python的安装设置相关的默认路径，在Unix下，通常是/usr/local/lib/python。
事实上，搜索的顺序是：当前路径（以及从当前目录指定的sys.path），然后是PYTHONPATH，然后是Python的安装设置相关的默认路径。正因为存在这样的顺序，如果当前路径或PYTHONPATH中存在与标准module同样的module，则会覆盖标准module。也就是说，如果当前目录下存在xml.py，那么执行import xml时，导入的是当前目录下的module，而不是系统标准的xml。

了解了这些，我们就可以先构建一个package，以普通module的方式导入，就可以直接访问此package中的各个module了。

Python中的package定义很简单，其层次结构与程序所在目录的层次结构相同，这一点与Java类似，唯一不同的地方在于，Python中的package必须包含一个__init__.py的文件。
例如，我们可以这样组织一个package:

package1/
    __init__.py
    subPack1/
        __init__.py
        module_11.py
        module_12.py
        module_13.py
    subPack2/
        __init__.py
        module_21.py
        module_22.py
    ……

__init__.py可以为空，只要它存在，就表明此目录应被作为一个package处理。当然，__init__.py中也可以设置相应的内容，下文详细介绍。

好了，现在我们在module_11.py中定义一个函数：

def funA():
    print "funcA in module_11"
    return

在顶层目录（也就是package1所在的目录，当然也参考上面的介绍，将package1放在解释器能够搜索到的地方）运行Python:

>>>from package1.subPack1.module_11 import funcA
>>>funcA()
funcA in module_11

这样，我们就按照package的层次关系，正确调用了module_11中的函数。

细心的用户会发现，有时在import语句中会出现通配符*，导入某个module中的所有元素，这是怎么实现的呢？
答案就在__init__.py中。我们在subPack1的__init__.py文件中写

__all__ = ['module_13', 'module_12']

然后进入Python

>>>from package1.subPack1 import *
>>>module_11.funcA()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named module_11

也就是说，以*导入时，package内的module是受__init__.py限制的。

好了，最后来看看，如何在package内部互相调用。
如果希望调用同一个package中的module，则直接import即可。也就是说，在module_12.py中，可以直接使用

import module_11

如果不在同一个package中，例如我们希望在module_21.py中调用module_11.py中的FuncA，则应该这样：

from package1.subPack1.module_11 import funcA

当然，在Python 2.5中，有更简单的办法：

from .. subPack1.module_11 import funcA

开发笔记：Python中的全局变量

李卫公 — Mon, 02 Jul 2007 14:14:00 GMT

全局变量不符合参数传递的精神，所以，平时我很少使用，除非定义常量。今天有同事问一个关于全局变量的问题，才发现其中原来还有门道。

程序大致是这样的：

CONSTANT = 0

def modifyConstant() :
        print CONSTANT
        CONSTANT += 1
        return

if __name__ == '__main__' :
        modifyConstant()
        print CONSTANT

运行结果如下：
UnboundLocalError: local variable 'CONSTANT' referenced before assignment

看来，全局变量在函数modifyConstant中边成了局部变量，似乎全局变量没有生效？
做点修改：

CONSTANT = 0

def modifyConstant() :
        print CONSTANT
        ＃CONSTANT += 1
        return

if __name__ == '__main__' :
        modifyConstant()
        print CONSTANT

运行正常，看来函数内部是可以访问全局变量的。
所以，问题就在于，因为在函数内部修改了变量CONSTANT，Python认为CONSTANT是局部变量，而print CONSTANT又在CONSTANT += 1之前，所以当然会发生这种错误。

那么，应该如何在函数内部访问并修改全局变量呢？应该使用关键字global来修饰变量（有点像PHP）：

CONSTANT = 0

def modifyConstant() :
        global CONSTANT
        print CONSTANT
        CONSTANT += 1
        return

if __name__ == '__main__' :
        modifyConstant()
        print CONSTANT

就这么简单！

开发笔记：在Ubuntu下安装JDK 6和Eclipse

李卫公 — Tue, 22 May 2007 18:31:00 GMT

首先需要安装JDK 6
sudo apt-get install sun-java6-jdk

之后需要设置默认的java程序
sudo update-alternatives --config java
按照提示输入对应的选项，指定为JDK 6

下面设置
sudo vim /etc/environment

在其中添加如下两行：
CLASSPATH=/usr/lib/jvm/java-6-sun/lib
JAVA_HOME=/usr/lib/jvm/java-6-sun
如果其中已经设置了CLASSPATH和JAVA_HOME，则将其修改为上面的形式，按ZZ保存退出。

接下来安装Eclipse
sudo apt-get install eclipse

需要注意的是，此时Eclipse并不关心之前设置的update-alternative

所以应该修改Eclipse的配置。首先将 SUN-JDK-6彻底设为系统默认：

sudo update-java-alternatives -s java-6-sun

然后编辑JVM配置文件：
sudo vim /etc/jvm

在文件顶部添加
/usr/lib/jvm/java-6-sun
（如果没有则自己新建）

sudo vim /etc/eclipse/java_home

也是在文件顶部添加
/usr/lib/jvm/java-6-sun

之后启动Eclipse，选择Help->About Eclipse SDK，选择Configuration Details，可以看到JDK6的设置已经生效。