我们已经说过，这本《正则表达式傻瓜书》并非把读者当傻瓜，而是保证“傻瓜都能看懂”。如果你到现在还没听说过“通配符”或是“正则表达式”，那么，请看这一章。
要说明的另一点是，因为一般的Linux/Unix用户都熟悉通配符，所以，本章假设读者工作于Windows平台下，所举的例子也全部面向Windows平台。
正则表达式是进行文本处理的工具。那么，它到底进行哪些“处理”？简而言之，正则表达式的主要功能就是对文本进行查找（匹配）和替换（修改）。在这一章里，我们先从最简单的文本查找说起。
正则表达式所“搜索/查找”功能的对象，就是我们说的“文本”——它可以是Word文档、Excel表格、浏览器看到的网页等等，也可以是文件名（工作日报20090925.doc）、电话号码（400-82055555）、电子邮件地址（somebody@someone.net）等等。所以也有这样一种说法：正则表达式处理的是“字符串”——也就是一系列的字符。想想也是，Word文档的内容、Excel表格的内容、网页的内容、文件名、电话号码、电子邮件等等，无非都是“连接起来”的字符，也就是“字符串”了。
几乎每种文本处理工具（Word、Excel、记事本、写字板）都提供了查找（和替换）功能：
图1-1 Word中的查找
Windows中查找文件的“搜索”功能，其实也是查找文本：
图1-2 Windows中的搜索
如果我们需要查找包含“李刚”的文件名，直接输入“李刚”搜索，就可以找到。
图1-3 “李刚”查找结果
那么，正则表达式的查到底有什么优势呢？我们不妨看一个例子：
假设某个目录下存在许多记录手机用户信息的文件，每个文件对应一个用户，文件名就是手机号码：号码为13812345678这个用户的记录文件，就是1381234567.doc。
现在需要找出某个号段的全部用户（比如说1310000号段），我们该怎么办？
你或许会说，这很简单，搜索“1310000”就可以了！可是真的如此吗？
图1-4 查找错误
在这里，一个不属于1310000号段（也就是不以1310000开头），但是包含1310000的手机号码（15801310000）也被找了出来。这时候直接“搜索”是无能为力的，因为它无法应对“变数”——我们要查找的是这样的文件：最前面7个字符是“1310000”，最后的4个字符是“.doc”，然而中间的4个字符是“不知道也不确定”的，换句话说，在查找结果出现之前，谁都不知道这4个字符都是什么。
如何解决“未知”的问题？在数学里，我们可以用一个未知数来解决这类问题。在文本查找中，有没有这样的“未知数x”呢？答案是有的：在数学里它是“x”，在文本查找中，它就是普通的问号“?”。
我们要找的文件是这样的：“1310000”开头，最后是“.doc”，中间是4个“未知数”。好了，现在我们在搜索栏填入“1310000????.doc”（注意，要输入英文的问号，而不能是中文的问号，如果不清楚，请关闭中文输入法，输入问号），再次点击搜索。果然，这次我们找到的都是131号段的文件了。
图1-5 图片
在上面的例子中，我们用到了一个特殊的字符『?』来表示“单个任意字符”。概略地说，这就是正则表达式的雏形，当然，正则表达式的真正威力远远比这个大得多。我们现在用到的这个雏形叫做“通配符”（Wildcard，根据维基百科的定义，计算机上的通配符可以用来“表示字符串中的任何单个或多个字符”）。表示“单个任意字符”的『?』就是通配符之一。下面我们介绍另一个通配符，星号『*』。
解数学题时我们不能限定“未知数x只能是一位数”；同样，在文本匹配中也不应该有这样的限制：在上面的例子中，我们明确知道131后面应该有8个字符，但下面的情况呢？
仍然是查找文件的问题，这次我们要找的是电子书。在某个目录下存放着许多本电子书，文件名就是书的名字，我们现在要查找的是名为“社会某某学”的书籍：社会心理学、社会组织学、社会人类与文化学、社会系统动力学……不幸的是，在“社会”和“学”之间的字数是不确定的：“心理”和“组织”是两个字，“人类与文化”是五个字，“系统动力”是四个字，所以，这里无法使用问号，该怎么办呢？
仔细想想我们面对的问题：需要有一个新的“未知数x”来匹配这些字符，它的长度必须是可变的，谁也不能预先知道它“匹配”了多少字符。恰好，这就是另一个通配符『*』的意义。于是，我们在搜索框里输入“社会*学”。
图1-6 “社会*学”的搜索结果
比较搜索结果和我们输入的“社会*学”就可以发现，对不同的文件，『*』有时候表示“人类与文化”，有时候表示“动力”，有时候又代表“心理”等等，也就是说，它能“表示”的字符串长度是不确定的！
如果你再仔细观察就会发现，除了“社会心理学”、“社会组织学”、“社会人类与文化学”、“社会系统动力学”之外，“社会学”也被找了出来。所以，请务必记住这一点：『*』可以表示任意长度的字符串，包括长度为0的字符串（比如””，虽然这个字符串里什么也没有）！
现在把要求提的更高一些：我们希望从搜索结果里去掉“社会学”（因为它不符合“社会某某学”的样式），该怎么办？一个办法是先用“社会*学”搜索出所有的结果，再去掉“社会学”；另一个办法则可以免去周折、一步到位。
我们仔细思考这个问题就会发现，“社会学”之所以会出现在搜索结果里，是因为『*』可以匹配“长度为0的字符串”，在“社会”和“学”之间，果真就有一个“长度为0的字符串”（也可以说，什么都没有）！如果我们能保证这个“社会”和“学”之间的字符串的长度大于1，问题就解决了。该怎么办呢？
既然问号『?』能保证匹配一个任意字符，『*』能匹配任意长度的字符串，你可能已经想到答案了：它们拼起来不就是“长度至少为1的字符串”了吗？
果然，结果就是这样的。
图1-7 “社会*?学”的搜索结果
看到这里有人可能会想，顺序呢？『*?』和『?*』有区别吗？答案是，至少在这里，没有区别。如果你想弄明白其中的原因，请继续耐心阅读本书。
图1-8 “社会?*学”的搜索结果
如果“社会*?学”真是你自己想到的，那么要恭喜你；如果不是这样，也不必沮丧。因为从这个例子里，我们已经看到了正则表达式的大致模样：定义一些可以代表未知情况的特殊字符（比如代表“一个任意字符”的『?』和代表“任意长度（包括0）字符串”的『*』），再用一些规则把它们组合起来（比如『*?』），就可以准确描述我们希望查找的文本的特征。本书后面的部分，翻来覆去讲的还是这样的内容，只是特殊字符更多，组合规则更复杂，而已。如果你看现在的例子觉得没问题，相信整本书对你来说也不是问题。
需要补充的一点：正因为『?』和『*』是“特殊字符”，它们的“意义”不同于问号和星号本身的含义，所以文件名中是不容许出现这这类特殊字符的（否则，计算机怎么判断你输入的星号是要匹配“任意长度的字符串”还是匹配“文件名中的星号字符”呢？）
图1-9 文件名中不能包含的字符
看到这里，你或许想问：『*』和『?』，是在任何工具中都通行的吗？
答案是：不是，比如记事本就不支持这两个特殊字符。不过，一般来说，稍微“高级”一点的工具都提供了这样的功能。比如，Word就提供了这样的功能，只是做起来稍有区别而已。
仍然看查找1310000号段手机号的例子，我们做一个与上面例子类似的Word文档，每一行都是一个文件名，按下ctrl + f，出现“查找与替换”对话框。输入“1310000????.doc”，却不能找到任何结果。
图1-10 word中的搜索
怎么出错了呢，开头不是说Word也支持正则表达式吗？没错，Word确实是支持。只是默认情况的搜索并不支持通配符（还记得文件名搜索的例子吗？文件名可以规定不得使用『*』和『?』，但是Word可不能规定文章里不能出现“*”和“?”）。
要使用『*』和『?』，就必须打开对通配符的支持。具体来讲，就是点选“查找和替换”对话框的“高级(M)”按钮，在其中勾选“使用通配符(U)”，再搜索，就会出现想要的结果了。
图1-11 word中使用通配符的搜索
这个例子也告诉我们，“正则表达式（通配符）查找”和普通的“查找”是不同的。在后面我们会看到，在一般的文本处理工具中使用正则表达式的功能，多半需要在设置中开启相应的功能选项（譬如这里的“使用通配符”），而一般的编程语言，在普通文本操作的接口之外，也会提供专门的正则表达式操作接口。
我们考虑更复杂一点的情况：如果“不幸”有个文件的名字是“1310000号段资料.doc”，也会被找出来。为什么？因为“号段资料”也是4个字符，正好对应到『????』！
图1-12 word中使用通配符搜索的问题
这个问题要怎么解决？
我们再次思考这个问题的根源，发现根源在于，通配符问号『?』能匹配“任意一个字符”，而不仅仅是数字字符。如果我们能限定，问号只匹配数字字符，问题就解决了！那么，怎么匹配“数字字符”呢？其实，所谓的数字字符，就是0123456789这9个字符之一嘛！好，我们就规定这样一个字符，它就表示上面说的意思。按照正则表达式的规矩，它写作『[0123456789]』。容易看懂吗？在方括号里把“可能”的字符都列出来，看起来很简单，又很古怪——这样长长的一串字符，居然只匹配一个字符！不过别担心，这还只是刚刚开始呢，看顺眼就好了，而且，这样“古怪”的东西并不多。
现在我们试试，用
1310000[0123456789][0123456789][0123456789][0123456789].doc
查找。果然对了！
图1-13 word中搜索的最终形式
对了是对了，就是不好看，太长了点。不过别担心，我们可以把它缩到很短，只是现在一下子堆出太多概念，可能并不合适。只要你耐心继续阅读下去，循序渐进，就会学到怎么把这个正确但“很长”的表达式缩短！
在这一章，我们已经看到了最简单的正则表达式应用：通配符。
与常见的查找不同，通配符可以应付“变数”，表示“未知”的字符。问号『?』可以匹配“单个任意字符”，而星号『*』可以匹配“任意长度的字符串”，也包括“长度为0的字符串”；而且，我们也可以把这两个通配符搭配起来，表示“长度至少为1”的字符串。最后，我们看到，如果要限定“只匹配一个数字字符”，可以用『[0123456789]』的形式。
从这些例子中，我们也看到，在正则表达式（通配符模式）中，某些字符表示不同于其“字面”含义的意义，所以文件名中不能包含某些特殊字符，所以在一般的文本处理工具中，使用与正则表达式相关的功能，要开启相应的模式。
下面，我们开始“正经”学习正则表达式。
From Life Sailor, post 《正则表达式傻瓜书》第一章：通配符
在上一篇文章里，我列举了一些种族歧视现象的亲身经历，引发了许多读者的讨论。但是让我略感遗憾的是，许多人大概没有注意文章的标题，没有觉察到关键是“比想象的要复杂”，所以直接给出了一个简单的论断。 我的本意绝不是强化已有的简单粗疏的刻板印象，而是希望让大家知道，种族歧视这回事，有许多的侧面和细节。了解这些侧面和细节，有助于我们形成更立体的认知。 于是就有了下面这些内容，希望能引发大家的思考。 一 种族歧视是一种最简单粗暴的歧视。 许多人都知道，“歧视”的英文是discriminate，准确的意思是“区别对待”。既然要区别对待，就自然首先必须有办法区分。目力所及，似乎没有人愿意“区别对待”与自己完全同样的人，而总是要先找出一点区别来，再实行区别对待。 所以，种族、口音、家庭出身、经济能力等等各种因素，都可以成为“区别”的指标，由此催生出区别对待。在这些因素当中，种族大概是最容易识别的特征——判断口音需要等对方开口，家庭出身、经济能力等等因素就更是要全面接触才可能了解。唯有种族，具体来说，绝大多数时候是相貌和肤色，是可以远远一眼就望见的。 也恰恰是因为这个原因，种族歧视特别容易引起反感。 这些年来，我得到的一条重要的生活经验是，如果你希望指出对方的问题，但又不纯粹是为了激怒对方，那么最好不要归因为一些木已成舟，对方无法改变的因素，否则对方多半会恼羞成怒。 举个例子，你觉得某人的口语表达还可以更好一点，完全可以直接给出具体的建议。但是如果从“经济不发达地区来的人就是口语差”，或者“个子矮的人就是没自信心来表达”，那几乎一定会制造矛盾。因为“口语表达”是可以改进的，加以锻炼将来肯定更好，而“不发达地区来的人”和“个子矮的人”就像烙印一样，是无法摆脱的。这种话说出来，对方哪怕有意愿改进，也会觉得无奈甚至恼怒。 种族歧视也是这样，“种族”同样是一种烙印，是无法摆脱的。所以当对某些人的判断与种族挂钩的时候，他或她必然感到无奈甚至愤怒。况且老话说“人上一百，形形色色；人上一万，千奇百怪”。哪怕是同一个种族的人，也可能在肤色、相貌之外完全找不到相同点。先入为主地用种族去对其他人下判断，无论是从情感反应上，还是从逻辑上，都是站不住脚的。 (more…)
去年初的时候，小朋友冰球俱乐部来了个新教练Robo。Robo来自加拿大，总是一副很健谈很乐观的样子，而且很喜欢放音乐，把整个训练场搞得热情四射。最关键的是，小朋友们好像都很喜欢他，不但许多动作耐心示范，对每个人的指导也相当到位。而且，他的英语很好，人又很喜欢开玩笑，所以我们交谈很多，他总是跟我说：“你家的小朋友超级酷的，不要给他太大压力，只要他自己运动起来足够自在，能够持续练下去，就是最好的。” 没想到的是，到去年9月份，Robo忽然神秘失踪了，没有任何征兆，也没有任何说明，就此人间蒸发了一般。问其他的教练，也是语焉不详。小朋友训练完，偶尔会失落地跟我说“好久没看到Robo了，不知道他哪里去了。” 3月份的时候，一个偶然的机会，我又见到了Robo，虽然当时时间很紧张，只是打了个照面，但我要他留下了联系方式。 当天晚上我问他：哥们，你怎么忽然就不见了，大家都很想你啊。 过会儿我收到他的回复：我也很想念小孩子们，你儿子很酷……我现在没在那个俱乐部了，因为其他几个教练总是或明或暗地针对我，仅仅因为我的肤色，这是我受不了的。 (more…)
注：原文发布于2023年1月16日 到1月份为止，我已经体验了几个月的全远程+共享空间办公了。有不少朋友听说之后很有兴趣，问我到底是什么感觉，所以我简单介绍下个人的体验。 背景 2019年末、2020年初开始在全球流行的Covid-19对远程办公来说，绝对是黑天鹅一般的存在。因为疫情导致的社交隔离措施，极大影响了各大公司的正常运转。 所幸，IT类公司受到的影响比较小，只要求员工“面对屏幕编程”，不必亲临现场。所以，许多IT公司也谨小慎微地开展了远程办公的试验。 从我所知道的结果来看，不少美国公司并不特别喜欢远程办公，比如Google，一旦社交隔离措施有所放松，就忙不迭要求员工回到办公室，盖因为公司认为远程办公严重影响合作效率。 与此相反，不少德国公司反倒是逐渐适应了远程办公的节奏，纷纷降低对员工“到办公室上班”的要求，许多公司甚至可以支持百分百的远程办公。 这里要提到的是，德国公司说的“远程办公”往往是货真价实的“远程”，而不是一些人理解的“家和办公室在同一个城市，只是不用去办公室”而已。 因为德国IT行业缺人严重，而且许多德国公司并没有那么“互联网”，而是依托实业开展业务，所以据我所知，目前不少公司非但没有裁员，反而都在大力招人。 (more…)
注：本文发布于2023年2月6日 最近硅谷几大公司都在裁员，看了些报道，被裁的员工真是不好过。损失经济来源不说，有些人还面临身份问题，这可真是屋漏偏逢连夜雨。 我也留意到，不少被裁的人会不停追问自己：为什么我会遇到这样的事情？为什么这样的不幸会降临到我头上？…… 实话说，我挺能理解这种态度。这挫折如此巨大，似乎又来得全无预兆，不由得让人对命运、对人生、对世界产生深重的怀疑。尤其是对已经走入社会，取得一定成就（如果非要抠字眼，那就用“进展”吧）的人来说，更是如此。 但是我更想说，如果被裁员了，当务之急是赶紧找到下一份工作，哪怕只是机械地行动。要知道，成年人找工作，容不下那么多愁善感。 我之所以这么说，是有切身经历为基础的。之前我讲过找德国工作的经历。最开始是信心十足的，因为虽然毕业多年，手艺没丢，基础还在，随时打开leetcode，中等难度题目基本都不在话下，不但能解对，解法也基本接近最优。既然网上都说“刷题就能找到工作”，估计自己应该没大问题。 没想到真的找起工作来，仍然充满了意想不到的挫折。如果不相信，我且举几个例子吧。 (more…)
虽然早就听说《园丁与木匠》是关于育儿的好书，但一直没开始读。最近终于翻开这本书，才发现属于“拿起就很难放下”的类型，加班加点读完，收获不少。 关于这本书的价值，已经有许多书评讨论过了，所以我想略过微言大义、长篇大论的叙述，谈谈我印象最深，也是最打动我的三点细节。 第一，儿童的学习方式 小孩子觉得拧螺丝很好玩，想自己动手拧一颗螺丝。于是，他打开了工具箱，对着琳琅满目的工具，他不知所措。一会儿摸摸钳子，一会儿试试扳手……这时候，旁边的父母应当怎么办？ 在大多数情况下，父母大概会直接告诉孩子，“亲爱的，你应该用螺丝刀，来，我告诉你”。耐心一点的父母，大概会潜心观察一段孩子的举动，再设法“引导”他到正确的工具上来。在父母眼里，孩子当然不可能一开始就找对正确答案，所以做各种尝试也是情有可原。但是另一方面，也不应该“在错误的路径上摸索太久，浪费时间”，应当“迅速识别出正确的答案”。 无论父母有多少耐心，在他们眼里，孩子找到拧螺丝的工具的过程，都是个“不断接近正确答案”的过程。这个过程越短，孩子就越“聪明”，或者说“学习效率”就越高。 (more…)
陈皓（Haoel，网名“左耳朵耗子”）上周六因为突发心梗去世了，享年47岁。 我跟他虽然聊过好些次，但只是微信好友，从未见过面。回看微信记录，当年稀松平常的一声“再见”，已经成了“再也不见”。 许多人在缅怀他，许多文章提到他的时候，会用到“骨灰级程序员”、“技术大牛”这样的称呼。但如果仅仅用这两个词描述他，断然难以解释，为什么他的突然去世，会引发互联网上怀念的狂潮。 所以，我更愿意按照自己的经验，把他描绘为“有坦诚追求，兼具趣味、操守、胸怀的技术人”。恰恰是因为这样的人在这个年代太稀少，而这些品质又让众多人赏识和受益，大家才会如此地怀念他。 这个年代，做技术（仅指狭义的IT）的人很多，愿意分享的人也不在少数，其中不少还可以算世俗意义上的“成功者”。 但是，若仔细去看他们分享的内容，总感觉不够真诚。总感觉作者希望往高深了靠，目的也没有那么纯粹。你若提一些小白问题，迎来的往往是“你怎么连这都不知道？”的反问，或者“要谈这个问题，你先去看几本书再说吧”。话是这么说没错，但无数的初学者也往往因此打了退堂鼓。 但是陈皓的分享不同。我已经不止一次地看到有人提起，他分享——更准确说，是“创作”——的内容质量很高，而且总能做到“深入浅出”。哪怕是小白读者，看完也确实能有收获，如果还有兴趣，更可以跟着文末的链接，顺藤摸瓜探究更广阔的世界。 这让我想起我佩服的一位记者说的：记者写文章的最高境界，就是不表达自己的观点，因为记者的观点应当来自于他的素材。只要把这些素材摆出来，读者读完报道，观点就自然形成了。要做到这一点，需要对素材有足够的信心和把握，外加真诚和坦荡。 能做到这一点的记者，着实不多。陈皓虽然不是记者，他写的技术文章却能让读者得到类似的结论——要知道，技术讨论往往是非常容易擦枪走火的——可见他运用素材和逻辑的功力，以及更重要的，他的真诚和坦荡。 (more…)