java正则表达式彻底研究

 package testreg;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
* <p>Title: 正则表达式的研究</p>
* <p>Description:
* 最近在工作中常常用到一些正则表达式的使用问题，到网上去找介绍大多是一鳞半爪。求人不如
* 求已。一狠心，自己看!这两天利用我们项目两期之间的一点空闲对J2SE所支持的正则表达式来
* 了个彻底研究!代价是……就是浪废了部门近十二张白纸。闲话少说，书归正传。
* 原理：
*     正则表达式的原理是有限状态自动机，自动机内部有有限个状态，有一个初始状态，有一个
* 结束状态。自动机根据输入和自身内部的当前状态来决定下一步于什么。呵呵，这是很久以前学
* 的东东了也记不清了，大家只作参照吧。
* Java中的正则表达式：
*     从J2SE1.4起Java增加了对正则表达式的支持就是java.util.regex包，这个包中主要有
* 3个类:Pattern,代表模式，就是正则表达式自身，Matcher，是一个有限状态自动机，其实大多
* 数的活还是让Pattern类于了，Matcher往往只是简单的调用Pattern，不知道这是什么模式。这
* 两个类写的都很经典，还有不少算法在内值得有功力的人仔细研究一下。另一个是一个异常类当所
* 用正则表达式不正确时抛出，是运行时异常。
* 几个难点：
*   1.line terminator
*     line terminator 中文意终结符，是指一个或两个字符组成的字符序列。java中的
*     所有line terminator:
*     A newline (line feed) character ('\n'),
*      -----------换行符(0A)
*     A carriage-return character followed immediately by a newline character ("\r\n"),
*      -----------回车+换行(0D0A)
*     A standalone carriage-return character ('\r'),
*      -----------回车(0D)
*     A next-line character ('\u0085'),
*      ------------下一行符？(？表示我也不知道是什么，请大家明白的给我发mail
*     A line-separator character ('\u2028'), or
*      ------------行分隔符？
*     A paragraph-separator character ('\u2029).
*      ------------段落分隔符？
*      If UNIX_LINES mode is activated, then the only line terminators recognized are newline characters.
*      如果使用unix模式则只有\n被认为是line terminator，也就是在使用pattern时如下：
*      Pattern p=Pattern.compile("正则表达式",Pattern.UNIX_LINE);
*      或 Pattern p=Pattern.compile("(?d)正则表达式")
*      "."匹配除line terminator以外的所有字符(未指定DOTALL时)
*      在指定DOTAll模式时"."匹配所有字符
*   2.Quantifiers,Greedy,Reluctant and Possessive.
*     这几个词不太好译，原文是Greedy Quantifiers,Reluctant Quantifiers and Possessive
*     Quantifiers凭我这点英语我只好译作贪婪的量子，不情愿的量子和占有欲强的量子？这也太搞笑了，
*     好在我理解了他们的意思。这点等下我细说。
*   3. 对于[a-zA-Z],[a-d[h-i]],[^a-f],[b-f&&[a-z]],[b-f&&[^cd]]等形式的理解
*     对于上述，原文用range,union,negation,intersection,subtraction等来描述
*     range表是范围，union是并集，negation是取反，intersection是交集，subtraction
*     是……是减法？？反正是减去一部分的意思
*     range       a-z 从a到z的小写字母
*     negation    [^a-f]除了a-f之外所有的，全集是所有字符
*     union       [a-d[h-i]] a-d并h-i
*     subtraction [b-f&&[^cd]] 就是b-f中除了cd以外的都是
*     intersection[b-f&&[a-z]] 就是b-f与a-z中的公共部分
*     我总结了一下，其实就是方括号表示一个集合，集合中的元素用列举法表示如[abcd]，但太多
*     了怎么为？总不能把从a到z的全列举吧？那就用a-z表示且省略了方括号，交集用&&表示，并集
*     省略，差集(对subtraction译成差集还差不多)用交集和取反来表示。所以，以上的可表示为：
*     [[a-z][A-Z]],[[a-d][h-i]],[^a-f],[[b-f]&&[a-z]],[[b-f]&&[^cd]]
*     这样是不是和我们的习惯相符了.
*   4.各个标志的意义
*     在生成pattern时可以同时使用几个标志来指定进行匹配时的方案。
*     用法形如：Pattern p=Pattern.compile(".*a?",Pattern.UNIX_LINES);
*     当同时指定多个标志时可以使用"|"操作符连接如：
*     Pattern p=Pattern.compile(".*a?,Pattern.UNIX_LINES|Pattern.DOTALL);
*     也可以在表达式中指定如：
*     Pattern p=Pattern.compile("(?d).*a?");
*     Pattern p=Pattern.compile("(?d)(?s).*a?");
*     以上两个定义和前面两个对应等价
*     所有的标志如下：
*     Constant               Equivalent Embedded Flag Expression 
     Pattern.CANON_EQ              None Enables canonical equivalence
     Pattern.CASE_INSENSITIVE      (?i) Enables case-insensitive matching
     Pattern.COMMENTS              (?x) Permits whitespace and comments in pattern.
     Pattern.MULTILINE             (?m) Enables multiline mode.
     Pattern.DOATALL               (?s) Enables dotall mode
     Pattern.UNICODE_CASE          (?u) Enables Unicode-aware case folding.
     Pattern.UNIX_LINES            (?d) Enables Unix lines mode

     CANON_EQ 指定使用规范等价模式？这个我理解的也有限，是不是说只要指定了这个模式则
     ascii码的'a'就可以和unicode的'a'还有XXX码的'a'相等？请教各位。(mail to me)

     CASE_INSENSITIVE 指定使用大小写不敏感的匹配模式，这个好理解，但要注意这个标志只是
     对ascii码有效，要使unicode在比较时也忽略大小写要同时指定UNICODE_CASE,就是要指定
     CASE_INSENSITIVE|UNICODE_CASE或使用(?i)(?u)

     COMMENTS 指定使用注释和忽略空白，也就是".*a"==".  *a #this is&nbs