解析模式的文本字符串

　　正则表达式是根据文本匹配模式的方法 ― 类似于编译器生成类文件的工作原理。编译器在源代码中查找各种模式以便将源代码表达式转换为字节码。通过识别这些源代码模式，编译器能够只将有效的源代码表示转换为已编译的类文件。

　　什么是模式？

　　在正则表达式的上下文中，模式是字符序列的文本表示法。例如，如果您想知道一个字符序列中是否存在 car这个词，您会使用模式 car，因为这是精确地表示该字符串的方法。对于更复杂的模式，您可以使用特殊字符作为占位符。如果您不是要搜索 car，而是想搜索以字母 c开头并以字母 r结尾的任何文本字符串，您会使用 c*r模式，其中 *代表第一个 r前的任意多个字符。 c*r模式将匹配任何以 c开头并以 r结尾的字符串，如 cougar、 cavalier或 chrysler。

　　如何指定模式表达式

　　模式匹配的主要部分是关于要使用什么样的表达式。 Pattern 先保存要使用的表达式，然后将其传递给 Matcher 类以便在字符序列的上下文中检查其匹配情况。例如，如果您想验证一个电子邮件地址，您可能要检查用户输入是否与这样一个模式匹配 ― 它包含一个字母数字序列，后跟一个 @ 符号，@ 后又跟两组用句点隔开的字符。这可以用表达式 p{Alnum}+@w+.p{Alpha}{2,3} 来表示。（是的，这过于简化了电子邮件地址的结构，可能会排除某些有效的电子邮件地址，但它作为示例已经足够了。）

　　在讨论模式语言的具体细节之前，我们来仔细看一下 p{Alnum}+@w+.p{Alpha}{2,3} 。 p{Alnum} 序列表示单个字母数字字符（A 到 Z、a 到 z 或 0 到 9）。 p{Alnum} 后面的加号（+）被称为 量词（quantifier）。它被应用在表达式的前面部分，表示 p{Alnum} 必须出现一次或更多次。使用星号（*）表示要出现零次或一次以上（含一次）。@ 就是意味着它必须出现在至少一个字母数字字符之后，这样整个模式匹配才能成功。 w+ 与 p{Alnum}+ 类似，但添加了下划线（_）。某些序列有多个表达式。反斜杠（ .）代表句点。如果前面没有反斜杠，单独一个句点代表任意字符。最后的 p{Alpha}{2, 3} 表示两个或三个字母字符。