8x国产一区二区三区精品推荐,国产欧美日韩精品专区,欧美精品1区2区

初學(xué)Python，對Python的文字處理能力有很深的印象，除了str對象自帶的一些方法外，就是正則表達(dá)式這個(gè)強(qiáng)大的模塊了。但是對于初學(xué)者來說，要用好這個(gè)功能還是有點(diǎn)難度

，我花了好長時(shí)間才摸出了點(diǎn)門道。由于我記性不好，很容易就忘事，所以還是寫下來比較好一些，同時(shí)也可以加深印象，整理思路。

由于我是初學(xué)，所以肯定會(huì)有些錯(cuò)誤，還望高手不吝賜教，指出我的錯(cuò)誤。

1 Python正則式的基本用法

Python的正則表達(dá)式的模塊是‘re’,它的基本語法規(guī)則就是指定一個(gè)字符序列，比如你要在一個(gè)字符串s=’123abc456’中查找字符串’abc’,只要這樣寫：

>>> import re

>>> s='123abc456eabc789'

>>> re.findall(r’abc’,s)

結(jié)果就是：

['abc', 'abc']

這里用到的函數(shù)”findall(rule , target [,flag] )” 是個(gè)比較直觀的函數(shù)，就是在目標(biāo)字符串中查找符合規(guī)則的字符串。第一個(gè)參數(shù)是規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，后面

還可以跟一個(gè)規(guī)則選項(xiàng)（選項(xiàng)功能將在compile函數(shù)的說明中詳細(xì)說明）。返回結(jié)果結(jié)果是一個(gè)列表，中間存放的是符合規(guī)則的字符串。如果沒有符合規(guī)則的字符串被找到，就返

回一個(gè)空列表。

為什么要用r’ ..‘字符串（raw字符串）？由于正則式的規(guī)則也是由一個(gè)字符串定義的，而在正則式中大量使用轉(zhuǎn)義字符’/’，如果不用raw字符串，則在需要寫一個(gè)’/’的地

方，你必須得寫成’//’,那么在要從目標(biāo)字符串中匹配一個(gè)’/’的時(shí)候，你就得寫上4個(gè)’/’成為’////’！這當(dāng)然很麻煩，也不直觀，所以一般都使用r’’來定義規(guī)則字符

串。當(dāng)然，某些情況下，可能不用raw字符串比較好。

以上是個(gè)最簡單的例子。當(dāng)然實(shí)際中這么簡單的用法幾乎沒有意義。為了實(shí)現(xiàn)復(fù)雜的規(guī)則查找，re規(guī)定了若干語法規(guī)則。它們分為這么幾類：

功能字符：    ‘.’ ‘*’ ‘+’ ‘|’ ‘?’ ‘^’ ‘$’ ‘/’等，它們有特殊的功能含義。特別是’/’字符，它是轉(zhuǎn)義引導(dǎo)符號，跟在它后面的字符一般有特殊的含義。

規(guī)則分界符： ‘[‘ ‘]’ ‘（’ ‘）’ ‘{‘ ‘}’等，也就是幾種括號了。

預(yù)定義轉(zhuǎn)義字符集：“/d” “/w” “/s” 等等，它們是以字符’/’開頭，后面接一個(gè)特定字符的形式，用來指示一個(gè)預(yù)定義好的含義。

其它特殊功能字符：’#’ ‘!’ ‘:’ ‘-‘等，它們只在特定的情況下表示特殊的含義，比如(?# …)就表示一個(gè)注釋，里面的內(nèi)容會(huì)被忽略。

下面來一個(gè)一個(gè)的說明這些規(guī)則的含義，不過說明的順序并不是按照上面的順序來的，而是我認(rèn)為由淺入深，由基本到復(fù)雜的順序來編排的。同時(shí)為了直觀，在說明的過程中盡量

多舉些例子以方便理解。

1.1基本規(guī)則

‘[‘ ‘]’字符集合設(shè)定符

首先說明一下字符集合設(shè)定的方法。由一對方括號括起來的字符，表明一個(gè)字符集合，能夠匹配包含在其中的任意一個(gè)字符。比如[abc123]，表明字符’a’ ‘b’ ‘c’ ‘1’

‘2’ ‘3’都符合它的要求。可以被匹配。

在’[‘ ‘]’中還可以通過’-‘ 減號來指定一個(gè)字符集合的范圍，比如可以用[a-zA-Z]來指定所以英文字母的大小寫，因?yàn)橛⑽淖帜甘前凑諒男〉酱蟮捻樞騺砼诺摹Ｄ悴豢梢?br />
把大小的順序顛倒了，比如寫成[z-a]就不對了。

如果在’[‘ ‘]’里面的開頭寫一個(gè)‘^’ 號，則表示取非，即在括號里的字符都不匹配。如[^a-zA-Z]表明不匹配所有英文字母。但是如果‘^’不在開頭，則它就不再是表示

取非，而表示其本身，如[a-z^A-Z]表明匹配所有的英文字母和字符’^’。

‘|’    或規(guī)則

將兩個(gè)規(guī)則并列起來，以‘|’連接，表示只要滿足其中之一就可以匹配。比如

[a-zA-Z]|[0-9]表示滿足數(shù)字或字母就可以匹配，這個(gè)規(guī)則等價(jià)于[a-zA-Z0-9]

注意：關(guān)于’|’要注意兩點(diǎn)：

第一，           它在’[‘ ‘]’之中不再表示或，而表示他本身的字符。如果要在’[‘ ‘]’外面表示一個(gè)’|’字符，必須用反斜杠引導(dǎo)，即’/|’ ;

第二，           它的有效范圍是它兩邊的整條規(guī)則，比如‘dog|cat’匹配的是‘dog’和’cat’，而不是’g’和’c’。如果想限定它的有效范圍，必需使用一個(gè)無捕獲組‘

(?: )’包起來。比如要匹配‘I have a dog’或’I have a cat’，需要寫成r’I have a (?:dog|cat)’，而不能寫成r’I have a dog|cat’

例

>>> s = ‘I have a dog , I have a cat’

>>> re.findall( r’I have a (?:dog|cat)’ , s )

['I have a dog', 'I have a cat']                #正如我們所要的

下面再看看不用無捕獲組會(huì)是什么后果：

>>> re.findall( r’I have a dog|cat’ , s )

['I have a dog', 'cat']                                   #它將’I have a dog’和’cat’當(dāng)成兩個(gè)規(guī)則了

至于無捕獲組的使用，后面將仔細(xì)說明。這里先跳過。

‘.’    匹配所有字符

匹配除換行符’/n’外的所有字符。如果使用了’S’選項(xiàng)，匹配包括’/n’的所有字符。

      例：

       >>> s=’123 /n456 /n789’

       >>> findall(r‘.+’,s)

       ['123', '456', '789']

       >>> re.findall(r‘.+’ , s , re.S)

       ['123/n456/n789']

‘^’和’$’匹配字符串開頭和結(jié)尾

注意’^’不能在‘[ ]’中，否則含意就發(fā)生變化，具體請看上面的’[‘ ‘]’說明。在多行模式下，它們可以匹配每一行的行首和行尾。具體請看后面compile函數(shù)說明的’M

’選項(xiàng)部分

‘/d’匹配數(shù)字

這是一個(gè)以’/’開頭的轉(zhuǎn)義字符，’/d’表示匹配一個(gè)數(shù)字，即等價(jià)于[0-9]

‘/D’匹配非數(shù)字

這個(gè)是上面的反集，即匹配一個(gè)非數(shù)字的字符，等價(jià)于[^0-9]。注意它們的大小寫。下面我們還將看到Python的正則規(guī)則中很多轉(zhuǎn)義字符的大小寫形式，代表互補(bǔ)的關(guān)系。這樣很

好記。

‘/w’匹配字母和數(shù)字

匹配所有的英文字母和數(shù)字，即等價(jià)于[a-zA-Z0-9]。

‘/W’匹配非英文字母和數(shù)字

即’/w’的補(bǔ)集，等價(jià)于[^a-zA-Z0-9]。

‘/s’匹配間隔符

即匹配空格符、制表符、回車符等表示分隔意義的字符，它等價(jià)于[ /t/r/n/f/v]。（注意最前面有個(gè)空格)

‘/S’匹配非間隔符

即間隔符的補(bǔ)集，等價(jià)于[^ /t/r/n/f/v]

‘/A’匹配字符串開頭

匹配字符串的開頭。它和’^’的區(qū)別是，’/A’只匹配整個(gè)字符串的開頭，即使在’M’模式下，它也不會(huì)匹配其它行的很首。

‘/Z’匹配字符串結(jié)尾

匹配字符串的結(jié)尾。它和’$’的區(qū)別是，’/Z’只匹配整個(gè)字符串的結(jié)尾，即使在’M’模式下，它也不會(huì)匹配其它各行的行尾。

例：

>>> s= '12 34/n56 78/n90'

>>> re.findall( r'^/d+' , s , re.M )          #匹配位于行首的數(shù)字

['12', '56', '90']

>>> re.findall( r’/A/d+’, s , re.M )        #匹配位于字符串開頭的數(shù)字

['12']

>>> re.findall( r'/d+$' , s , re.M )          #匹配位于行尾的數(shù)字

['34', '78', '90']

>>> re.findall( r’/d+/Z’ , s , re.M )        #匹配位于字符串尾的數(shù)字

['90']

‘/b’匹配單詞邊界

它匹配一個(gè)單詞的邊界，比如空格等，不過它是一個(gè)‘0’長度字符，它匹配完的字符串不會(huì)包括那個(gè)分界的字符。而如果用’/s’來匹配的話，則匹配出的字符串中會(huì)包含那個(gè)

分界符。

例：

>>> s = 'abc abcde bc bcd'

>>> re.findall( r’/bbc/b’ , s )         #匹配一個(gè)單獨(dú)的單詞‘bc’ ，而當(dāng)它是其它單詞的一部分的時(shí)候不匹配

['bc']                                           ＃只找到了那個(gè)單獨(dú)的’bc’

>>> re.findall( r’/sbc/s’ , s )          ＃匹配一個(gè)單獨(dú)的單詞‘bc’

[' bc ']                                         #只找到那個(gè)單獨(dú)的’bc’，不過注意前后有兩個(gè)空格，可能有點(diǎn)看不清楚

‘/B’匹配非邊界

和’/b’相反，它只匹配非邊界的字符。它同樣是個(gè)0長度字符。

接上例：

>>> re.findall( r’/Bbc/w+’ , s )     #匹配包含’bc’但不以’bc’為開頭的單詞

['bcde']                                       #成功匹配了’abcde’中的’bcde’，而沒有匹配’bcd’

‘(?:)’無捕獲組

當(dāng)你要將一部分規(guī)則作為一個(gè)整體對它進(jìn)行某些操作，比如指定其重復(fù)次數(shù)時(shí)，你需要將這部分規(guī)則用’(?:’ ‘)’把它包圍起來，而不能僅僅只用一對括號，那樣將得到絕對

出人意料的結(jié)果。

例：匹配字符串中重復(fù)的’ab’

>>> s=’ababab abbabb aabaab’

>>> re.findall( r’/b(?:ab)+/b’ , s )

['ababab']

如果僅使用一對括號，看看會(huì)是什么結(jié)果：

>>> re.findall( r’/b(ab)+/b’ , s )

['ab']

這是因?yàn)槿绻皇褂靡粚ㄌ枺敲催@就成為了一個(gè)組(group)。組的使用比較復(fù)雜，將在后面詳細(xì)講解。

‘(?# )’注釋

Python允許你在正則表達(dá)式中寫入注釋，在’(?#’ ‘)’之間的內(nèi)容將被忽略。

(?iLmsux) 編譯選項(xiàng)指定

Python的正則式可以指定一些選項(xiàng)，這個(gè)選項(xiàng)可以寫在findall或compile的參數(shù)中，也可以寫在正則式里，成為正則式的一部分。這在某些情況下會(huì)便利一些。具體的選項(xiàng)含義請

看后面的compile函數(shù)的說明。

此處編譯選項(xiàng)’i’等價(jià)于IGNORECASE ，L 等價(jià)于 LOCAL ，m 等價(jià)于 MULTILINE，s等價(jià)于 DOTALL ，u等價(jià)于UNICODE ， x 等價(jià)于 VERBOSE。

請注意它們的大小寫。在使用時(shí)可以只指定一部分，比如只指定忽略大小寫，可寫為‘(?i)’，要同時(shí)忽略大小寫并使用多行模式，可以寫為‘(?im)’。

另外要注意選項(xiàng)的有效范圍是整條規(guī)則，即寫在規(guī)則的任何地方，選項(xiàng)都會(huì)對全部整條正則式有效。

1.2重復(fù)

正則式需要匹配不定長的字符串，那就一定需要表示重復(fù)的指示符。Python的正則式表示重復(fù)的功能很豐富靈活。重復(fù)規(guī)則的一般的形式是在一條字符規(guī)則后面緊跟一個(gè)表示重復(fù)

次數(shù)的規(guī)則，已表明需要重復(fù)前面的規(guī)則一定的次數(shù)。重復(fù)規(guī)則有：

‘*’   0或多次匹配

表示匹配前面的規(guī)則0次或多次。

‘+’   1次或多次匹配

表示匹配前面的規(guī)則至少1次，可以多次匹配

例：匹配以下字符串中的前一部分是字母，后一部分是數(shù)字或沒有的變量名字

>>> s = ‘ aaa bbb111 cc22cc 33dd ‘

>>> re.findall( r’/b[a-z]+/d*/b’ , s )             #必須至少1個(gè)字母開頭，以連續(xù)數(shù)字結(jié)尾或沒有數(shù)字

['aaa', 'bbb111']

注意上例中規(guī)則前后加了表示單詞邊界的’/b’指示符，如果不加的話結(jié)果就會(huì)變成：

>>> re.findall( r’[a-z]+/d*’ , s )

['aaa', 'bbb111', 'cc22', 'cc', 'dd']    #把單詞給拆開了

大多數(shù)情況下這不是我們期望的結(jié)果。

‘?’   0或1次匹配

只匹配前面的規(guī)則0次或1次。

例，匹配一個(gè)數(shù)字，這個(gè)數(shù)字可以是一個(gè)整數(shù)，也可以是一個(gè)科學(xué)計(jì)數(shù)法記錄的數(shù)字，比如123和10e3都是正確的數(shù)字。

>>> s = ‘ 123 10e3 20e4e4 30ee5 ‘

>>> re.findall( r’ /b/d+[eE]?/d*/b’ , s )

['123', '10e3']

它正確匹配了123和10e3,正是我們期望的。注意前后的’/b’的使用，否則將得到不期望的結(jié)果。

1.2.1 精確匹配和最小匹配

Python正則式還可以精確指定匹配的次數(shù)。指定的方式是

‘{m}’      精確匹配m次

‘{m,n}’   匹配最少m次，最多n次。(n>m)

如果你只想指定一個(gè)最少次數(shù)或只指定一個(gè)最多次數(shù)，你可以把另外一個(gè)參數(shù)空起來。比如你想指定最少3次，可以寫成{3,}（注意那個(gè)逗號），同樣如果只想指定最大為5次，可

以寫成{，5}，也可以寫成{0,5}。

例尋找下面字符串中

a：3位數(shù)

b: 2位數(shù)到4位數(shù)

c: 5位數(shù)以上的數(shù)

d: 4位數(shù)以下的數(shù)

>>> s= ‘ 1 22 333 4444 55555 666666 ‘

>>> re.findall( r’/b/d{3}/b’ , s )            # a：3位數(shù)

['333']

>>> re.findall( r’/b/d{2,4}/b’ , s )         # b: 2位數(shù)到4位數(shù)

['22', '333', '4444']

>>> re.findall( r’/b/d{5,}/b’, s )           # c: 5位數(shù)以上的數(shù)

['55555', '666666']

>>> re.findall( r’/b/d{1,4}/b’ , s )         # 4位數(shù)以下的數(shù)

['1', '22', '333', '4444']

‘*?’ ‘+?’ ‘??’最小匹配

‘*’ ‘+’ ‘?’通常都是盡可能多的匹配字符。有時(shí)候我們希望它盡可能少的匹配。比如一個(gè)c語言的注釋‘/* part 1 */ /* part 2 */’，如果使用最大規(guī)則：

>>> s =r ‘/* part 1 */ code /* part 2 */’

>>> re.findall( r’//*.*/*/’ , s )

[‘/* part 1 */ code /* part 2 */’]

結(jié)果把整個(gè)字符串都包括進(jìn)去了。如果把規(guī)則改寫成

>>> re.findall( r’//*.*?/*/’ , s )                    #在*后面加上?，表示盡可能少的匹配

['/* part 1 */', '/* part 2 */']

結(jié)果正確的匹配出了注釋里的內(nèi)容

1.3   前向界定與后向界定

有時(shí)候需要匹配一個(gè)跟在特定內(nèi)容后面的或者在特定內(nèi)容前面的字符串，Python提供一個(gè)簡便的前向界定和后向界定功能，或者叫前導(dǎo)指定和跟從指定功能。它們是：

‘(?<=…)’前向界定

括號中’…’代表你希望匹配的字符串的前面應(yīng)該出現(xiàn)的字符串。

‘(?=…)’ 后向界定

括號中的’…’代表你希望匹配的字符串后面應(yīng)該出現(xiàn)的字符串。

例：你希望找出c語言的注釋中的內(nèi)容，它們是包含在’/*’和’*/’之間，不過你并不希望匹配的結(jié)果把’/*’和’*/’也包括進(jìn)來，那么你可以這樣用：

>>> s=r’/* comment 1 */ code /* comment 2 */’

>>> re.findall( r’(?<=//*).+?(?=/*/)’ , s )

[' comment 1 ', ' comment 2 ']

注意這里我們?nèi)匀皇褂昧俗钚∑ヅ洌员苊獍颜麄€(gè)字符串給匹配進(jìn)去了。

要注意的是，前向界定括號中的表達(dá)式必須是常值，也即你不可以在前向界定的括號里寫正則式。比如你如果在下面的字符串中想找到被字母夾在中間的數(shù)字，你不可以用前向界

定：

例：

>>> s = ‘aaa111aaa , bbb222 , 333ccc ‘

>>> re.findall( r’(?<=[a-z]+)/d+(?=[a-z]+)' , s )          #錯(cuò)誤的用法

它會(huì)給出一個(gè)錯(cuò)誤信息：

error: look-behind requires fixed-width pattern

不過如果你只要找出后面接著有字母的數(shù)字，你可以在后向界定寫正則式：

>>> re.findall( r’/d+(?=[a-z]+)’, s )

['111', '333']

如果你一定要匹配包夾在字母中間的數(shù)字，你可以使用組（group）的方式

>>> re.findall (r'[a-z]+(/d+)[a-z]+' , s )

['111']

組的使用將在后面詳細(xì)講解。

除了前向界定前向界定和后向界定外，還有前向非界定和后向非界定，它的寫法為：

‘(?<!...)’前向非界定

只有當(dāng)你希望的字符串前面不是’…’的內(nèi)容時(shí)才匹配

‘(?!...)’后向非界定

只有當(dāng)你希望的字符串后面不跟著’…’內(nèi)容時(shí)才匹配。

接上例，希望匹配后面不跟著字母的數(shù)字

>>> re.findall( r’/d+(?!/w+)’ , s )

['222']

注意這里我們使用了/w而不是像上面那樣用[a-z]，因?yàn)槿绻@樣寫的話，結(jié)果會(huì)是：

>>> re.findall( r’/d+(?![a-z]+)’ , s )

['11', '222', '33']

這和我們期望的似乎有點(diǎn)不一樣。它的原因，是因?yàn)?#8217;111’和’222’中的前兩個(gè)數(shù)字也是滿足這個(gè)要求的。因此可看出，正則式的使用還是要相當(dāng)小心的，因?yàn)槲议_始就是這樣

寫的，看到結(jié)果后才明白過來。不過Python試驗(yàn)起來很方便，這也是腳本語言的一大優(yōu)點(diǎn)，可以一步一步的試驗(yàn)，快速得到結(jié)果，而不用經(jīng)過煩瑣的編譯、鏈接過程。也因此學(xué)習(xí)

Python就要多試，跌跌撞撞的走過來，雖然曲折，卻也很有樂趣。

1.4組的基本知識(shí)

上面我們已經(jīng)看過了Python的正則式的很多基本用法。不過如果僅僅是上面那些規(guī)則的話，還是有很多情況下會(huì)非常麻煩，比如上面在講前向界定和后向界定時(shí)，取夾在字母中間

的數(shù)字的例子。用前面講過的規(guī)則都很難達(dá)到目的，但是用了組以后就很簡單了。

‘(‘’)’       無命名組

最基本的組是由一對圓括號括起來的正則式。比如上面匹配包夾在字母中間的數(shù)字的例子中使用的(/d+)，我們再回顧一下這個(gè)例子：

>>> s = ‘aaa111aaa , bbb222 , 333ccc ‘

>>> re.findall (r'[a-z]+(/d+)[a-z]+' , s )

['111']

可以看到findall函數(shù)只返回了包含在’()’中的內(nèi)容，而雖然前面和后面的內(nèi)容都匹配成功了，卻并不包含在結(jié)果中。

除了最基本的形式外，我們還可以給組起個(gè)名字，它的形式是

‘(?P<name>…)’命名組

‘(?P’代表這是一個(gè)Python的語法擴(kuò)展’<…>’里面是你給這個(gè)組起的名字，比如你可以給一個(gè)全部由數(shù)字組成的組叫做’num’，它的形式就是’(?P<num>/d+)’。起了名字之

后，我們就可以在后面的正則式中通過名字調(diào)用這個(gè)組，它的形式是

‘(?P=name)’調(diào)用已匹配的命名組

要注意，再次調(diào)用的這個(gè)組是已被匹配的組，也就是說它里面的內(nèi)容是和前面命名組里的內(nèi)容是一樣的。

我們可以看更多的例子：請注意下面這個(gè)字符串各子串的特點(diǎn)。

>>> s='aaa111aaa,bbb222,333ccc,444ddd444,555eee666,fff777ggg'

我們看看下面的正則式會(huì)返回什么樣的結(jié)果：

>>> re.findall( r'([a-z]+)/d+([a-z]+)' , s )             #找出中間夾有數(shù)字的字母

[('aaa', 'aaa'), ('fff', 'ggg')]

>>> re.findall( r '(?P<g1>[a-z]+)/d+(?P=g1)' , s ) #找出被中間夾有數(shù)字的前后同樣的字母

['aaa']

>>> re.findall( r'[a-z]+(/d+)([a-z]+)' , s )             #找出前面有字母引導(dǎo)，中間是數(shù)字，后面是字母的字符串中的中間的數(shù)字和后面的字母

[('111', 'aaa'), ('777', 'ggg')]

我們可以通過命名組的名字在后面調(diào)用已匹配的命名組，不過名字也不是必需的。

‘/number’             通過序號調(diào)用已匹配的組

正則式中的每個(gè)組都有一個(gè)序號，序號是按組從左到右，從1開始的數(shù)字，你可以通過下面的形式來調(diào)用已匹配的組

比如上面找出被中間夾有數(shù)字的前后同樣的字母的例子，也可以寫成：

>>> re.findall( r’([a-z]+)/d+/1’ , s )

['aaa']

結(jié)果是一樣的。

我們再看一個(gè)例子

>>> s='111aaa222aaa111 , 333bbb444bb33'

>>> re.findall( r'(/d+)([a-z]+)(/d+)(/2)(/1)' , s )           #找出完全對稱的數(shù)字－字母－數(shù)字－字母－數(shù)字中的數(shù)字和字母

[('111', 'aaa', '222', 'aaa', '111')]

Python2.4以后的re模塊，還加入了一個(gè)新的條件匹配功能

‘(?(id/name)yes-pattern|no-pattern)’ 判斷指定組是否已匹配，執(zhí)行相應(yīng)的規(guī)則

這個(gè)規(guī)則的含義是，如果id/name指定的組在前面匹配成功了，則執(zhí)行yes-pattern的正則式，否則執(zhí)行no-pattern的正則式。

舉個(gè)例子，比如要匹配一些形如usr@mail的郵箱地址，不過有的寫成< usr@mail >即用一對<>括起來，有點(diǎn)則沒有，要匹配這兩種情況，可以這樣寫

>>> s='<usr1@mail1> usr2@maill2'

>>> re.findall( r'(<)?/s*(/w+@/w+)/s*(?(1)>)' , s )

[('<', 'usr1@mail1'), ('', 'usr2@maill2')]

不過如果目標(biāo)字符串如下

>>> s='<usr1@mail1> usr2@maill2 <usr3@mail3   usr4@mail4> < usr5@mail5 '

而你想得到要么由一對<>包圍起來的一個(gè)郵件地址，要么得到一個(gè)沒有被<>包圍起來的地址，但不想得到一對<>中間包圍的多個(gè)地址或不完整的<>中的地址，那么使用這個(gè)式子并

不能得到你想要的結(jié)果

>>> re.findall( r'(<)?/s*(/w+@/w+)/s*(?(1)>)' , s )

[('<', 'usr1@mail1'), ('', 'usr2@maill2'), ('', 'usr3@mail3'), ('', 'usr4@mail4'), ('', 'usr5@mail5')]

它仍然找到了所有的郵件地址。

想要實(shí)現(xiàn)這個(gè)功能，單純的使用findall有點(diǎn)吃力，需要使用其它的一些函數(shù)，比如match或search函數(shù)，再配合一些控制功能。這部分的內(nèi)容將在下面詳細(xì)講解。

小結(jié)：以上基本上講述了Python正則式的語法規(guī)則。雖然大部分語法規(guī)則看上去都很簡單，可是稍不注意，仍然會(huì)得到與期望大相徑庭的結(jié)果，所以要寫好正則式，需要仔細(xì)的體

會(huì)正則式規(guī)則的含義后不同規(guī)則之間細(xì)微的差別。

詳細(xì)的了解了規(guī)則后，再配合后面就要介紹的功能函數(shù)，就能最大的發(fā)揮正則式的威力了。

2 re模塊的基本函數(shù)

在上面的說明中，我們已經(jīng)對re模塊的基本函數(shù)‘findall’很熟悉了。當(dāng)然如果光有findall的話，很多功能是不能實(shí)現(xiàn)的。下面開始介紹一下re模塊其它的常用基本函數(shù)。靈活

搭配使用這些函數(shù)，才能充分發(fā)揮Python正則式的強(qiáng)大功能。

首先還是說下老熟人findall函數(shù)吧

findall(rule , target [,flag] )

在目標(biāo)字符串中查找符合規(guī)則的字符串。

第一個(gè)參數(shù)是規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，后面還可以跟一個(gè)規(guī)則選項(xiàng)（選項(xiàng)功能將在compile函數(shù)的說明中詳細(xì)說明）。

返回結(jié)果結(jié)果是一個(gè)列表，中間存放的是符合規(guī)則的字符串。如果沒有符合規(guī)則的字符串被找到，就返回一個(gè)空列表。

2.1使用compile加速

compile( rule [,flag] )

將正則規(guī)則編譯成一個(gè)Pattern對象，以供接下來使用。

第一個(gè)參數(shù)是規(guī)則式，第二個(gè)參數(shù)是規(guī)則選項(xiàng)。

返回一個(gè)Pattern對象

直接使用findall ( rule , target )的方式來匹配字符串，一次兩次沒什么，如果是多次使用的話，由于正則引擎每次都要把規(guī)則解釋一遍，而規(guī)則的解釋又是相當(dāng)費(fèi)時(shí)間的，

所以這樣的效率就很低了。如果要多次使用同一規(guī)則來進(jìn)行匹配的話，可以使用re.compile函數(shù)來將規(guī)則預(yù)編譯，使用編譯過返回的Regular Expression Object或叫做Pattern對

象來進(jìn)行查找。

例

>>> s='111,222,aaa,bbb,ccc333,444ddd'

>>> rule=r’/b/d+/b’

>>> compiled_rule=re.compile(rule)

>>> compiled_rule.findall(s)

['111', '222']

可見使用compile過的規(guī)則使用和未編譯的使用很相似。compile函數(shù)還可以指定一些規(guī)則標(biāo)志，來指定一些特殊選項(xiàng)。多個(gè)選項(xiàng)之間用’|’（位或）連接起來。

I      IGNORECASE 忽略大小寫區(qū)別。

L   LOCAL 字符集本地化。這個(gè)功能是為了支持多語言版本的字符集使用環(huán)境的，比如在轉(zhuǎn)義符/w，在英文環(huán)境下，它代表[a-zA-Z0-9]，即所以英文字符和數(shù)字。如果在一個(gè)法

語環(huán)境下使用，缺省設(shè)置下，不能匹配"é"或"ç"。加上這L選項(xiàng)和就可以匹配了。不過這個(gè)對于中文環(huán)境似乎沒有什么用，它仍然不能匹配中文字符。

M    MULTILINE 多行匹配。在這個(gè)模式下’^’(代表字符串開頭)和’$’(代表字符串結(jié)尾)將能夠匹配多行的情況，成為行首和行尾標(biāo)記。比如

>>> s=’123 456/n789 012/n345 678’

>>> rc=re.compile(r’^/d+’)    #匹配一個(gè)位于開頭的數(shù)字，沒有使用M選項(xiàng)

>>> rc.findall(s)

['123']             #結(jié)果只能找到位于第一個(gè)行首的’123’

>>> rcm=re.compile(r’^/d+’,re.M)       #使用M選項(xiàng)

>>> rcm.findall(s)

['123', '789', '345'] #找到了三個(gè)行首的數(shù)字

同樣，對于’$’來說，沒有使用M選項(xiàng)，它將匹配最后一個(gè)行尾的數(shù)字，即’678’，加上以后，就能匹配三個(gè)行尾的數(shù)字456 012和678了.

>>> rc=re.compile(r’/d+$’)

>>> rcm=re.compile(r’/d+$’,re.M)

>>> rc.findall(s)

['678']

>>> rcm.findall(s)

['456', '012', '678']

S     DOTALL       ‘.’號將匹配所有的字符。缺省情況下’.’匹配除換行符’/n’外的所有字符，使用這一選項(xiàng)以后，’.’就能匹配包括’/n’的任何字符了。

U   UNICODE       /w,/W,/b,/B,/d,/D,/s和/S都將使用Unicode。

X     VERBOSE     這個(gè)選項(xiàng)忽略規(guī)則表達(dá)式中的空白，并允許使用’#’來引導(dǎo)一個(gè)注釋。這樣可以讓你把規(guī)則寫得更美觀些。比如你可以把規(guī)則
>>> rc = re.compile(r"/d+|[a-zA-Z]+")       #匹配一個(gè)數(shù)字或者單詞

使用X選項(xiàng)寫成：
>>> rc = re.compile(r""" # start a rule/d+                   # number| [a-zA-Z]+           # word""", re.VERBOSE)在這個(gè)模式下，如果你想匹配一個(gè)空格，你必須

用'/ '的形式（'/'后面跟一個(gè)空格）

2.2 match與search

match( rule , targetString [,flag] )

search( rule , targetString [,flag] )

（注：re的match與search函數(shù)同compile過的Pattern對象的match與search函數(shù)的參數(shù)是不一樣的。Pattern對象的match與search函數(shù)更為強(qiáng)大，是真正最常用的函數(shù)）

按照規(guī)則在目標(biāo)字符串中進(jìn)行匹配。

第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)是目標(biāo)字符串，第三個(gè)是選項(xiàng)（同compile函數(shù)的選項(xiàng)）

返回：若成功返回一個(gè)Match對象，失敗無返回

findall雖然很直觀，但是在進(jìn)行更復(fù)雜的操作時(shí)，就有些力不從心了。此時(shí)更多的使用的是match和search函數(shù)。他們的參數(shù)和findall是一樣的，都是：

match( rule , targetString [,flag] )

search( rule , targetString [,flag] )

不過它們的返回不是一個(gè)簡單的字符串列表，而是一個(gè)MatchObject（如果匹配成功的話）.。通過操作這個(gè)matchObject，我們可以得到更多的信息。

需要注意的是，如果匹配不成功，它們則返回一個(gè)NoneType。所以在對匹配完的結(jié)果進(jìn)行操作之前，你必需先判斷一下是否匹配成功了，比如：

>>> m=re.match( rule , target )

>>> if m:                       #必需先判斷是否成功

        doSomethin

這兩個(gè)函數(shù)唯一的區(qū)別是：match從字符串的開頭開始匹配，如果開頭位置沒有匹配成功，就算失敗了；而search會(huì)跳過開頭，繼續(xù)向后尋找是否有匹配的字符串。針對不同的需

要，可以靈活使用這兩個(gè)函數(shù)。

關(guān)于match返回的MatchObject如果使用的問題，是Python正則式的精髓所在，它與組的使用密切相關(guān)。我將在下一部分詳細(xì)講解，這里只舉個(gè)最簡單的例子：

例：

>>> s= 'Tom:9527 , Sharry:0003'

>>> m=re.match( r'(?P<name>/w+):(?P<num>/d+)' , s )

>>> m.group()

'Tom:9527'

>>> m.groups()

('Tom', '9527')

>>> m.group(‘name’)

'Tom'

>>> m.group(‘num’)

'9527'

2.3 finditer

finditer( rule , target [,flag] )

參數(shù)同findall

返回一個(gè)迭代器

finditer函數(shù)和findall函數(shù)的區(qū)別是，findall返回所有匹配的字符串，并存為一個(gè)列表，而finditer則并不直接返回這些字符串，而是返回一個(gè)迭代器。關(guān)于迭代器，解釋起來

有點(diǎn)復(fù)雜，還是看看例子把：

>>> s=’111 222 333 444’

>>> for i in re.finditer(r’/d+’ , s ):

        print i.group(),i.span()          #打印每次得到的字符串和起始結(jié)束位置

結(jié)果是

111 (0, 3)

222 (4, 7)

333 (8, 11)

444 (12, 15)

簡單的說吧，就是finditer返回了一個(gè)可調(diào)用的對象，使用for i in finditer()的形式，可以一個(gè)一個(gè)的得到匹配返回的Match對象。這在對每次返回的對象進(jìn)行比較復(fù)雜的操作

時(shí)比較有用。

2.4字符串的替換和修改

re模塊還提供了對字符串的替換和修改函數(shù)，他們比字符串對象提供的函數(shù)功能要強(qiáng)大一些。這幾個(gè)函數(shù)是

sub ( rule , replace , target [,count] )

subn(rule , replace , target [,count] )

在目標(biāo)字符串中規(guī)格規(guī)則查找匹配的字符串，再把它們替換成指定的字符串。你可以指定一個(gè)最多替換次數(shù)，否則將替換所有的匹配到的字符串。

第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)參數(shù)是指定的用來替換的字符串，第三個(gè)參數(shù)是目標(biāo)字符串，第四個(gè)參數(shù)是最多替換次數(shù)。

這兩個(gè)函數(shù)的唯一區(qū)別是返回值。

sub返回一個(gè)被替換的字符串

sub返回一個(gè)元組，第一個(gè)元素是被替換的字符串，第二個(gè)元素是一個(gè)數(shù)字，表明產(chǎn)生了多少次替換。

例，將下面字符串中的’dog’全部替換成’cat’

>>> s=’ I have a dog , you have a dog , he have a dog ‘

>>> re.sub( r’dog’ , ‘cat’ , s )

' I have a cat , you have a cat , he have a cat '

如果我們只想替換前面兩個(gè)，則

>>> re.sub( r’dog’ , ‘cat’ , s , 2 )

' I have a cat , you have a cat , he have a dog '

或者我們想知道發(fā)生了多少次替換，則可以使用subn

>>> re.subn( r’dog’ , ‘cat’ , s )

(' I have a cat , you have a cat , he have a cat ', 3)

split( rule , target [,maxsplit] )

切片函數(shù)。使用指定的正則規(guī)則在目標(biāo)字符串中查找匹配的字符串，用它們作為分界，把字符串切片。

第一個(gè)參數(shù)是正則規(guī)則，第二個(gè)參數(shù)是目標(biāo)字符串，第三個(gè)參數(shù)是最多切片次數(shù)

返回一個(gè)被切完的子字符串的列表

這個(gè)函數(shù)和str對象提供的split函數(shù)很相似。舉個(gè)例子，我們想把上例中的字符串被’,’分割開，同時(shí)要去掉逗號前后的空格

>>> s=’ I have a dog   ,   you have a dog , he have a dog ‘

>>> re.split( ‘/s*,/s*’ , s )

[' I have a dog', 'you have a dog', 'he have a dog ']

結(jié)果很好。如果使用str對象的split函數(shù)，則由于我們不知道’,’兩邊會(huì)有多少個(gè)空格，而不得不對結(jié)果再進(jìn)行一次處理。

escape( string )

這是個(gè)功能比較古怪的函數(shù)，它的作用是將字符串中的non-alphanumerics字符（我已不知道該怎么翻譯比較好了）用反義字符的形式顯示出來。有時(shí)候你可能希望在正則式中匹

配一個(gè)字符串，不過里面含有很多re使用的符號，你要一個(gè)一個(gè)的修改寫法實(shí)在有點(diǎn)麻煩，你可以使用這個(gè)函數(shù),

例在目標(biāo)字符串s中匹配’(*+?)’這個(gè)子字符串

>>> s= ‘111 222 (*+?) 333’

>>> rule= re.escape( r’(*+?)’ )

>>> print rule

/(/*/+/?/)

>>> re.findall( rule , s )

['(*+?)']

3     更深入的了解re的組與對象

前面對Python正則式的組進(jìn)行了一些簡單的介紹，由于還沒有介紹到match對象，而組又是和match對象密切相關(guān)的，所以必須將它們結(jié)合起來介紹才能充分地說明它們的用途。

不過再詳細(xì)介紹它們之前，我覺得有必要先介紹一下將規(guī)則編譯后的生成的patter對象

3.1編譯后的Pattern對象

將一個(gè)正則式，使用compile函數(shù)編譯，不僅是為了提高匹配的速度，同時(shí)還能使用一些附加的功能。編譯后的結(jié)果生成一個(gè)Pattern對象，這個(gè)對象里面有很多函數(shù)，他們看起來

和re模塊的函數(shù)非常象，它同樣有findall , match , search ,finditer , sub , subn , split這些函數(shù)，只不過它們的參數(shù)有些小小的不同。一般說來，re模塊函數(shù)的第一個(gè)

參數(shù)，即正則規(guī)則不再需要了，應(yīng)為規(guī)則就包含在Pattern對象中了，編譯選項(xiàng)也不再需要了，因?yàn)橐呀?jīng)被編譯過了。因此re模塊中函數(shù)的這兩個(gè)參數(shù)的位置，就被后面的參數(shù)取

代了。

findall , match , search和finditer這幾個(gè)函數(shù)的參數(shù)是一樣的，除了少了規(guī)則和選項(xiàng)兩個(gè)參數(shù)外，它們又加入了另外兩個(gè)參數(shù)，它們是：查找開始位置和查找結(jié)束位置，也就

是說，現(xiàn)在你可以指定查找的區(qū)間，除去你不感興趣的區(qū)間。它們現(xiàn)在的參數(shù)形式是：

findall ( targetString [, startPos [,endPos] ] )

finditer ( targetString [, startPos [,endPos] ] )

match ( targetString [, startPos [,endPos] ] )

search ( targetString [, startPos [,endPos] ] )

這些函數(shù)的使用和re模塊的同名函數(shù)使用完全一樣。所以就不多介紹了。

除了和re模塊的函數(shù)同樣的函數(shù)外，Pattern對象還多了些東西，它們是：

flags       查詢編譯時(shí)的選項(xiàng)

pattern查詢編譯時(shí)的規(guī)則

groupindex規(guī)則里的組

這幾個(gè)不是函數(shù)，而是一個(gè)值。它們提供你一些規(guī)則的信息。比如下面這個(gè)例子

>>> p=re.compile( r'(?P<word>/b[a-z]+/b)|(?P<num>/b/d+/b)|(?P<id>/b[a-z_]+/w*/b)' , re.I )

>>> p.flags

2

>>> p.pattern

'(?P<word>//b[a-z]+//b)|(?P<num>//b//d+//b)|(?P<id>//b[a-z_]+//w*//b)'

>>> p.groupindex

{'num': 2, 'word': 1, 'id': 3}

我們來分析一下這個(gè)例子：這個(gè)正則式是匹配單詞、或數(shù)字、或一個(gè)由字母或’_’開頭，后面接字母或數(shù)字的一個(gè)ID。我們給這三種情況的規(guī)則都包入了一個(gè)命名組，分別命名

為’word’ , ‘num’和‘id’。我們規(guī)定大小寫不敏感，所以使用了編譯選項(xiàng)‘I’。

編譯以后返回的對象為p，通過p.flag我們可以查看編譯時(shí)的選項(xiàng)，不過它顯示的不是’I’，而是一個(gè)數(shù)值2。其實(shí)re.I是一個(gè)整數(shù)，2就是它的值。我們可以查看一下：

>>> re.I

2

>>> re.L

4

>>> re.M

8

…

每個(gè)選項(xiàng)都是一個(gè)數(shù)值。

通過p.pattern可以查看被編譯的規(guī)則是什么。使用print的話會(huì)更好看一些

>>> print p.pattern

(?P<word>/b[a-z]+/b)|(?P<num>/b/d+/b)|(?P<id>/b[a-z_]+/w*/b)

看，和我們輸入的一樣。

接下來的p.groupindex則是一個(gè)字典，它包含了規(guī)則中的所有命名組。字典的key是名字，values是組的序號。由于字典是以名字作為key，所以一個(gè)無命名的組不會(huì)出現(xiàn)在這里。

3.2組與Match對象

組與Match對象是Python正則式的重點(diǎn)。只有掌握了組和Match對象的使用，才算是真正學(xué)會(huì)了Python正則式。

3.2.1 組的名字與序號

正則式中的每個(gè)組都有一個(gè)序號，它是按定義時(shí)從左到右的順序從1開始編號的。其實(shí)，re的正則式還有一個(gè)0號組，它就是整個(gè)正則式本身。

我們來看個(gè)例子

>>> p=re.compile( r’(?P<name>[a-z]+)/s+(?P<age>/d+)/s+(?P<tel>/d+).*’ , re.I )

>>> p.groupindex

{'age': 2, 'tel': 3, 'name': 1}

>>> s=’Tom 24 88888888 <=’

>>> m=p.search(s)

>>> m.groups()                           #看看匹配的各組的情況

('Tom', '24', '8888888')

>>> m.group(‘name’)                   #使用組名獲取匹配的字符串

‘Tom’

>>> m.group( 1 )                         #使用組序號獲取匹配的字符串，同使用組名的效果一樣

>>> m.group(0)                           # 0組里面是什么呢？

'Tom 24 88888888 <='

原來0組就是整個(gè)正則式,包括沒有被包圍到組里面的內(nèi)容。當(dāng)獲取0組的時(shí)候，你可以不寫這個(gè)參數(shù)。m.group(0)和m.group()的效果是一樣的：

>>> m.group()

'Tom 24 88888888 <='

接下來看看更多的Match對象的方法，看看我們能做些什么。

3.2.2 Match對象的方法

group([index|id]) 獲取匹配的組，缺省返回組0,也就是全部值

groups()               返回全部的組

groupdict()           返回以組名為key，匹配的內(nèi)容為values的字典

接上例：

>>> m.groupindex()

{'age': '24', 'tel': '88888888', 'name': 'Tom'}

start( [group] )     獲取匹配的組的開始位置

end( [group] )              獲取匹配的組的結(jié)束位置

span( [group] )     獲取匹配的組的（開始，結(jié)束）位置

expand( template )根據(jù)一個(gè)模版用找到的內(nèi)容替換模版里的相應(yīng)位置

這個(gè)功能比較有趣，它根據(jù)一個(gè)模版來用匹配到的內(nèi)容替換模版中的相應(yīng)位置，組成一個(gè)新的字符串返回。它使用/g<index|name>或/index來指示一個(gè)組。

接上例

>>> m.expand(r'name is /g<1> , age is /g<age> , tel is /3')

'name is Tom , age is 24 , tel is 88888888'

除了以上這些函數(shù)外，Match對象還有些屬性

pos         搜索開始的位置參數(shù)

endpos 搜索結(jié)束的位置參數(shù)

這兩個(gè)是使用findall或match等函數(shù)時(shí)，傳入的參數(shù)。在上面這個(gè)例子里，我們沒有指定開始和結(jié)束位置，那么缺省的開始位置就是0,結(jié)束位置就是最后。

>>> m.pos

0

>>> m.endpos

19

lastindex 最后匹配的組的序號

>>> m.lastindex

3

lastgroup       最后匹配的組名

>>> m.lastgroup

'tel'

re    產(chǎn)生這個(gè)匹配的Pattern對象，可以認(rèn)為是個(gè)逆引用

>>> m.re.pattern

'(?P<name>[a-z]+)//s+(?P<age>//d+)//s+(?P<tel>//d+).*'

得到了產(chǎn)生這個(gè)匹配的規(guī)則

string 匹配的目標(biāo)字符串

>>> m.string

'Tom 24 88888888 <='

轉(zhuǎn)自:http://hi.baidu.com/yangdaming1983/item/e6a8146255a5442169105b91

Python讀寫文件

linux 下的iconv命令可以把Windows默認(rèn)GBK編碼的文件轉(zhuǎn)成Linux下用的UTF-8編碼。

2. 安裝一個(gè)比較有幫助性的編輯器: sudo apt-get install texmaker

A useful webiste http://chixi.an.blog.163.com/blog/static/29359272201262952120729/

轉(zhuǎn)載自：cool shell，作者：陳皓
From:http://coolshell.cn/articles/7992.html

先說明一下，我不希望本文變成語言爭論貼。希望下面的文章能讓我們客觀理性地了解C++這個(gè)語言。（另，我覺得技術(shù)爭論不要停留在非黑即白的二元價(jià)值觀上，這樣爭論無非就是比誰的嗓門大，比哪一方的觀點(diǎn)強(qiáng)，毫無價(jià)值。我們應(yīng)該多看看技術(shù)是怎么演進(jìn)的，怎么取舍的。）

事由

周五的時(shí)候，我在我的微博上發(fā)了一個(gè)貼說了一下一個(gè)網(wǎng)友給我發(fā)來的C++程序的規(guī)范和內(nèi)存管理寫的不是很好（后來我刪除了，因?yàn)楫?dāng)事人要求），我并非批判，只是想說明其實(shí)程序員是需要一些“疫苗”的，并以此想開一個(gè)“程序員疫苗的網(wǎng)站”，結(jié)果，@簡悅云風(fēng)同學(xué)直接回復(fù)到：“不要用 C++ 直接用 C , 就沒那么多坑了。”就把這個(gè)事帶入了語言之爭。

@左耳朵耗子

：說C++比C的坑更多的人我可以理解，但理性地思考一下。C語言的坑也不少啊，如果說C語言有90個(gè)坑，那么C++就是100個(gè)坑（另，我看很多人都把C語言上的坑也歸到了C++上來），但是C++你得到的東西更多，封裝，多態(tài)，繼承擴(kuò)展，泛型編程，智能指針，……，你得到了500%東西，但卻只多了10%的坑，多值啊。

結(jié)果引來了更多的回復(fù)（只節(jié)選了一些言論）：

不要太糾結(jié)上圖，只是輕松一下，我沒那么無聊，讓我們來看點(diǎn)真正的論據(jù)。

相信用過C++的程序員知道，C++的很多特性主要就是解決C語言中的各種不完美和缺陷：（注：C89、C99中許多的改進(jìn)正是從C++中所引進(jìn)的）

上述的這些東西填了不知有多少的C語言編程和維護(hù)的坑。少用指針，多用引用，試試autoptr，用用封裝，繼承，多態(tài)和函數(shù)重載…… 你面對的坑只會(huì)比C少，不會(huì)多。

C++的坑有多少？

C++的坑真的不多，如果你能花兩到三周的時(shí)候讀一下《Effecitve C++》里的那50多個(gè)條款，你就知道C++里的坑并不多，而且，有很多條款告訴我們C++是怎么解決C的坑的。然后，你可以讀讀《Exceptional C++》和《More Exceptional C++》，你可以了解一下C++各種問題的解決方法和一些常見的經(jīng)典錯(cuò)誤。

當(dāng)然，C++在解決了很多C語的坑的同時(shí)，也因?yàn)镺O和泛型又引入了一些坑。消一些，加一些，我個(gè)人感覺上總體上只比C多10%左右吧。但是你有了開發(fā)速度更快，代碼更易讀，更易維護(hù)的500%的利益。

另外，不可否認(rèn)的是，C++中的代碼出了錯(cuò)誤，有時(shí)候很難搞，而且似乎用C++的人會(huì)覺得C++更容易出錯(cuò)？我覺得主要是下面幾個(gè)原因：

另外，C++的編譯對標(biāo)準(zhǔn)C++的實(shí)現(xiàn)各異，支持地也千差萬別，所以會(huì)有一些比較奇怪的問題，但是如果你一般用用C++的封裝，繼承，多態(tài)，以及namespace，const, refernece, inline, templete, overloap, autoptr，還有一些OO 模式，并不會(huì)出現(xiàn)奇怪的問題。

而對于STL中的各種坑，我覺得是程序員們還對GP（泛型編程）理解得還不夠，STL是泛型編程的頂級實(shí)踐！屬于是大師級的作品，一般人很難理解。必需承認(rèn)STL寫出來的代碼和編譯錯(cuò)誤的確相當(dāng)復(fù)雜晦澀，太難懂了。這也是C++的一個(gè)詬病。

這和Linus說的一樣 —— “C++是一門很恐怖的語言，而比它更恐怖的是很多不合格的程序員在使用著它”。注意我飄紅了“很多不合格的程序員”！

我覺得C++并不適合初級程序員使用，C++只適合高級程序員使用（參看《21天學(xué)好C++》和《C++學(xué)習(xí)自信心曲線》），正如《Why C++》中說的，C++適合那些對開發(fā)維護(hù)效率和系統(tǒng)性能同時(shí)關(guān)注的高級程序員使用。

這就好像飛機(jī)一樣，開飛機(jī)很難，開飛機(jī)要注意的東西太多太多，對駕駛員的要求很高，但你不能說飛機(jī)這個(gè)工具很爛，開飛機(jī)的坑太多。（注：我這里并不是說C++是飛機(jī)，C是汽車，C++和C的差距，比飛機(jī)到汽車的差距少太多太多，這里主要是類比，我們對待C++語言的心態(tài)！）

C++的初衷

理解C++設(shè)計(jì)的最佳讀本是《C++演化和設(shè)計(jì)》，在這本書中Stroustrup說了些事：

1）Stroustrup對C是非常欣賞，實(shí)際上早期C++許多的工作是對于C的強(qiáng)化和凈化，并把完全兼容C作為強(qiáng)制性要求。C89、C99中許多的改進(jìn)正是從C++中所引進(jìn)。可見，Stroustrup對C語言的貢獻(xiàn)非常之大。今天不管你對C++怎么看，C++的確擴(kuò)展和進(jìn)化了C，對C造成了深遠(yuǎn)的影響。

2）Stroustrup對于C的抱怨主要來源于兩個(gè)方面——在C++兼容C的過程中遇到了不少設(shè)計(jì)實(shí)現(xiàn)上的麻煩；以及守舊的K&R C程序員對Stroustrup的批評。很多人說C++的惡夢就是要去兼容于C，這并不無道理（Java就干的比C++徹底得多），但這并不是Stroustrup考慮的，Stroustrup一邊在使盡渾身解數(shù)來兼容C，另一方面在拼命地優(yōu)化C。

3）Stroustrup在書中直接說，C++最大的競爭對手正是C，他的目的就是——C能做到的，C++也必須做到，而且要做的更好。大家覺得是不是做到了？有多少做到了，有多少還沒有做到？

4）對于同時(shí)關(guān)注的運(yùn)行效率和開發(fā)效率的程序員，Stroustrup多次強(qiáng)調(diào)C++的目標(biāo)是——“在保證效率與C語言相當(dāng)?shù)那闆r下，加強(qiáng)程序的組織性；能保證同樣功能的程序，C++更短小”，這正是淺封裝的核心思想。而不是過渡設(shè)計(jì)的OO。（參看：面向?qū)ο笫莻€(gè)騙局）

5）這本書中舉了很多例子來回應(yīng)那些批評C++有運(yùn)行性能問題的人。C++在其第二個(gè)版本中，引入了虛函數(shù)機(jī)制，這是C++效率最大的瓶頸了，但我個(gè)人認(rèn)為虛函數(shù)就是多了一次加法運(yùn)算，但讓我們的代碼能有更好的組織，極大增加了程序的閱讀和降底了維護(hù)成本。（注：Lippman的《深入探索C++對象模型》也說明了C++不比C的程序在運(yùn)行性能低。Bruce的《Think in C++》也說C++和C的性能相差只有5%）

6）這本書中還講了一些C++的痛苦的取舍，印象最深的就是多重繼承，提出，拿掉，再被提出，反復(fù)很多次，大家在得與失中不斷地辯論和取舍。這個(gè)過程讓我最大的收獲是——a) 對于任何一種設(shè)計(jì)都有好有壞，都只能偏重一方，b) 完全否定式的批評是不好的心態(tài)，好的心態(tài)應(yīng)該是建設(shè)性地批評。

我對C++的感情

我畢業(yè)時(shí)，是直接從C跳過C++學(xué)Java的，但是學(xué)Java的時(shí)候，不知道為什么Java要設(shè)計(jì)成這樣，只好回頭看C++，結(jié)果學(xué)C++的時(shí)候又有很多不懂，又只得回頭看C，最后發(fā)現(xiàn)，C -> C++ -> Java的過程，就是C++填C的坑，Java填C++的坑的過程。

當(dāng)然時(shí)代還在前進(jìn)，這個(gè)演變的過程還在C#和Go上體現(xiàn)著。不過我學(xué)習(xí)了C -> C++ -> Java這個(gè)填坑演進(jìn)的過程，讓我明白了很多東西：

我從這個(gè)學(xué)習(xí)過程中得到的最大的收獲不是語言本身，而是各式各樣的編程技術(shù)和方法，和技術(shù)的演進(jìn)的過程，這比語言本身更重要！（在這個(gè)角度上學(xué)習(xí)，你看到的不是一個(gè)又一個(gè)的坑，你看到的是——各式各樣讓你可以爬得更高的梯子）

我對C++的感情有三個(gè)過程：先是喜歡地要死，然后是恨地要死，現(xiàn)在的又愛又恨，愛的是這個(gè)語言，恨的是很多不合格的人在濫用和凌辱它。

C++的未來

在《Why C++? 王者歸來》中說了，性能主要就是要省電，省電就是省錢，在數(shù)據(jù)中心還不明顯，在手機(jī)上就更明顯了，這就是為什么Android 支持C++的原因。所以，在NB的電池或是能源出現(xiàn)之前，如果你需要注重程序的運(yùn)行性能和開發(fā)效率，并更關(guān)注程序的運(yùn)性能，那么，應(yīng)該首選 C++。這就是iOS開發(fā)也支持C++的原因。

今天的C++11中不但有更多更不錯(cuò)的東西，而且，還填了更多原來C++的坑。（參看：C++11 Wiki，C++ 11的主要特性）

總結(jié)

最后，非常感謝能和“@簡悅云風(fēng)”，“@淘寶諸霸”，“@Laruence”一起討論這個(gè)問題！無論你們的觀點(diǎn)怎么樣，我都和你們“在一起”，嘿嘿嘿……

轉(zhuǎn)載Cool Shell，作者：陳皓

From:http://coolshell.cn/articles/2250.html

下面是一個(gè)《Teach Yourself C++ in 21 Days》的流程圖，請各位程序員同仁認(rèn)真領(lǐng)會(huì)。如果有必要，你可以查看這個(gè)圖書以作參照：http://www.china-pub.com/27043

看完上面這個(gè)圖片，我在想，我學(xué)習(xí)C++有12年了，好像C++也沒有學(xué)得特別懂，看到STL和泛型，還是很頭大。不過，我應(yīng)該去考慮研究量子物理和生物化學(xué)，這樣，我才能重返98年殺掉還在大學(xué)的我，然后達(dá)到21天搞定C++的目標(biāo)。另外，得要特別提醒剛剛開始學(xué)習(xí)C++的朋友，第21天的時(shí)候，小心被人殺害。呵呵。

當(dāng)然，上面只是一個(gè)惡搞此類圖片，學(xué)習(xí)一門技術(shù)，需要你很長的時(shí)間，正如圖片中的第三圖和第四圖所示，你需要用十年的時(shí)間去不斷在嘗試，并在錯(cuò)誤中總結(jié)經(jīng)驗(yàn)教訓(xùn)，以及在項(xiàng)目開發(fā)中通過與別人相互溝通互相學(xué)習(xí)來歷練自己。你才能算得上是真正學(xué)會(huì)。

這里有篇文章叫《Teach Yourself Programming in Ten Years》，網(wǎng)上有人翻譯了一下，不過原文已被更新了，我把網(wǎng)上的譯文轉(zhuǎn)載并更新如下：

用十年來學(xué)編程
Peter Norvig

為什么每個(gè)人都急不可耐？

10年學(xué)編程

抱著這些想法，我很懷疑從書上到底能學(xué)到多少東西。在我第一個(gè)孩子出生前，我讀完了所有“怎樣……”的書，卻仍然感到自己是個(gè)茫無頭緒的新手。30個(gè)月后，我第二個(gè)孩子出生的時(shí)候，我重新拿起那些書來復(fù)習(xí)了嗎？不。相反，我依靠我自己的經(jīng)驗(yàn)，結(jié)果比專家寫的幾千頁東西更有用更靠得住。

Fred Brooks在他的短文《No Silver Bullets》（沒有銀彈）中確立了如何發(fā)現(xiàn)杰出的軟件設(shè)計(jì)者的三步規(guī)劃：

這實(shí)際上是假定了有些人本身就具有成為杰出設(shè)計(jì)師的必要潛質(zhì)；要做的只是引導(dǎo)他們前進(jìn)。Alan Perlis說得更簡潔：“每個(gè)人都可以被教授如何雕塑；而對米開朗基羅來說，能教給他的倒是怎樣能夠不去雕塑。杰出的程序員也一樣”。

所以盡管去買那些Java書；你很可能會(huì)從中找到些用處。但你的生活，或者你作為程序員的真正的專業(yè)技術(shù)，并不會(huì)因此在24小時(shí)、24天甚至24個(gè)月內(nèi)發(fā)生真正的變化。

怎樣做研究（一）

幾年前，我寫了一套膠片，題目是《怎樣做研究》，多次在實(shí)驗(yàn)室內(nèi)部給學(xué)生們做報(bào)告，也曾對外講過一次，聽眾反應(yīng)良好。也有網(wǎng)友讀過這套膠片，給我來信稱有所收獲。然而，膠片中的文字畢竟只是提綱攜領(lǐng)，無法充分闡述我的想法，為此，借周末一點(diǎn)閑暇，把《怎樣做研究》寫成一篇文章，與師友切磋。

科學(xué)是分科的學(xué)問，客觀地說，是起源于西方的。中國只有經(jīng)驗(yàn)科學(xué)，典型的如中醫(yī)。我的母親是學(xué)中醫(yī)的，我從小就對中醫(yī)耳濡目染，生了病，媽媽就會(huì)請他的老師來，一貼小藥下去，我的病就好了。因此，我對中醫(yī)一直是很信服的。然而，近些年來，中醫(yī)多受批評，發(fā)展也越來越緩慢，究其原因，中醫(yī)不是科學(xué)，或者說只是經(jīng)驗(yàn)科學(xué)，而非實(shí)證科學(xué)。中藥的成分以及生化功效不曾用實(shí)驗(yàn)進(jìn)行深入的分析，望聞問切的診斷方法完全憑經(jīng)驗(yàn)而無法量化，陰陽五行的理論似是而非，祖?zhèn)髅胤降膫鞒蟹绞脚c知識(shí)共享的現(xiàn)代思維背道而馳。因此，盡管中醫(yī)有診治的整體觀和方劑的個(gè)性化兩大優(yōu)點(diǎn)，但其停留于經(jīng)驗(yàn)層面，而遲遲不能進(jìn)入科學(xué)的殿堂，因此在現(xiàn)代社會(huì)中的發(fā)展必然步履維艱。

中醫(yī)不是科學(xué)，那到底什么是科學(xué)呢？科學(xué)（自然科學(xué)）是人們用來認(rèn)識(shí)和改造自然世界的思維武器，科學(xué)研究可以分為基礎(chǔ)研究（理論研究）和應(yīng)用研究（技術(shù)研發(fā)）。

萬事萬物皆有其規(guī)律，掌握并且利用這些規(guī)律就能夠?yàn)槿祟愒旄＃@些規(guī)律是隱蔽在紛繁復(fù)雜的現(xiàn)象背后的，要識(shí)破大自然的奧秘，讀懂上帝的天書，非要下一番深入觀察和探究的功夫不可。以揭示規(guī)律為目的的研究活動(dòng)屬于基礎(chǔ)研究，從事這些活動(dòng)的學(xué)者是科學(xué)家。規(guī)律不是被創(chuàng)造出來的，而是早已存在的，人們只有認(rèn)識(shí)規(guī)律的權(quán)利，而沒有創(chuàng)造規(guī)律的可能。

從根本上講，推動(dòng)基礎(chǔ)研究的也是人們在生產(chǎn)生活中的一些實(shí)際需要，但是隨著基礎(chǔ)研究的深入，理論已經(jīng)成為一個(gè)龐大的體系，理論研究早已開始按照它自有的邏輯獨(dú)立發(fā)展，而不必時(shí)時(shí)刻刻聯(lián)系實(shí)際需要，比如著名的歌德巴赫猜想，可能在百年之后，發(fā)現(xiàn)其有重大的應(yīng)用價(jià)值，但是目前到底有什么用，誰也說不清楚。理論的價(jià)值在今天這個(gè)非常講求短期功利的社會(huì)中常常被忽視，現(xiàn)在有一種傾向認(rèn)為只有產(chǎn)生實(shí)際經(jīng)濟(jì)效益的科研工作才有價(jià)值，這種極端化的觀點(diǎn)顯然是錯(cuò)誤的，我們必須承認(rèn)并高度尊重理論研究者的成就。

理論研究的直接動(dòng)力是科學(xué)家的好奇心，以及他們對科學(xué)榮譽(yù)的渴望。越是單純的科學(xué)家越有希望發(fā)現(xiàn)真理，他們的科學(xué)探索有點(diǎn)像迷宮探寶或者海邊拾貝，偉大的科學(xué)家都是沒有喪失童趣的人，他們在實(shí)驗(yàn)室里是寧靜而愉快的，他們是樂此不疲的，很多在常人看來難以忍受的寂寞在他們看來卻是一種幸福。越是找不到答案，越是激發(fā)探索的熱情，在一次次的失敗中積累著煩悶與緊張，在終于取得突破后興奮異常。與此同時(shí)，也必須承認(rèn)科學(xué)榮譽(yù)也是激勵(lì)科學(xué)家們前進(jìn)的重要?jiǎng)恿Γ灰獎(jiǎng)e把榮譽(yù)看得高于真理，貨真價(jià)實(shí)的榮譽(yù)仍然是值得追求的。

理論上的突破對應(yīng)用研究產(chǎn)生持續(xù)不斷的推動(dòng)力，在模式識(shí)別領(lǐng)域，神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、條件隨機(jī)域等等機(jī)器學(xué)習(xí)技術(shù)不斷出現(xiàn)，每當(dāng)一項(xiàng)理論出現(xiàn)，應(yīng)用研究者們爭相將其應(yīng)用于自己的研究課題中，于是基于神經(jīng)網(wǎng)絡(luò)、基于支持向量機(jī)、基于條件隨機(jī)域的某某研究就成為一個(gè)標(biāo)準(zhǔn)的論文題目。首先把某項(xiàng)理論應(yīng)用于某個(gè)實(shí)際課題的研究工作應(yīng)該說還是具有一定的創(chuàng)新性的，畢竟用一個(gè)新的思路、新的模型去觀察了一個(gè)舊的課題，HMM在語音識(shí)別上的成功應(yīng)用就是一例。有人比喻說，理論工具仿佛是錘子，實(shí)際課題好比是釘子，一個(gè)新的錘子被打造出來，大家都借用過來砸一砸自己手頭的釘子，確屬常理。不過，需要注意的事，如果拿一個(gè)碩大無比的汽錘去砸一個(gè)纖細(xì)的大頭針就荒誕可笑了，不注意思考問題與理論的適配關(guān)系而盲目跟風(fēng)的事情在學(xué)術(shù)界也是司空見慣，比如我們就曾用HMM試圖解決詞義消歧的問題，而每個(gè)多義詞的詞義跟它前后一兩個(gè)詞并沒有緊密的關(guān)系，因此詞義消歧貌似和詞性標(biāo)注一樣屬于線性序列標(biāo)注問題，其實(shí)是有根本差別的。

我們是搞計(jì)算機(jī)的，計(jì)算機(jī)是一門應(yīng)用科學(xué)，應(yīng)用科學(xué)是由應(yīng)用驅(qū)動(dòng)的。時(shí)至今日，數(shù)學(xué)定理和物理學(xué)定律似乎已經(jīng)被先哲們發(fā)現(xiàn)的差不多了，因此整個(gè)科學(xué)界中純粹搞理論研究的人越來越少，很多大學(xué)教授都和工業(yè)界有著密切的聯(lián)系，很多大企業(yè)也開辦企業(yè)研究院，這些導(dǎo)致應(yīng)用科學(xué)的研究如火如荼。最近，國家863設(shè)立了一個(gè)"中文為核心的多語言信息處理"重點(diǎn)項(xiàng)目，總經(jīng)費(fèi)7000萬，這在多年前的大陸語言處理界完全是不可想象的。

應(yīng)用驅(qū)動(dòng)，也可以說是市場驅(qū)動(dòng)。市場是一個(gè)精靈古怪的家伙，搞應(yīng)用研究的人如果對市場的未來沒有一個(gè)基本準(zhǔn)確地判斷，往往會(huì)導(dǎo)致選題上的偏差。二十年前，國內(nèi)一些研究者開始研究漢字手寫輸入技術(shù)，開始人們覺得從鍵盤輸入漢字很困難，手寫輸入一定有前途，但是很快，拼音輸入法大面積普及，而且拼音輸入的速度遠(yuǎn)比在手寫板上輸入漢字快得多，于是漢字手寫輸入套件根本賣不動(dòng)，前景黯淡。有人開始猶豫，有人開始轉(zhuǎn)向搞印刷體漢字識(shí)別等，但忽然有一天，集成了手寫功能的商務(wù)通大量熱銷，人們忽然發(fā)現(xiàn)原來在手持設(shè)備上由于鍵盤太小，輸入不便，給手寫功能留下了很大的應(yīng)用空間。一直專注于手寫識(shí)別的漢王公司也借著商務(wù)通的熱銷而把多年的科研成果成功地產(chǎn)業(yè)化了。再舉一個(gè)例子：5年前，我認(rèn)為以圖像為輸入的圖像檢索沒有什么應(yīng)用價(jià)值，問這些技術(shù)的倡導(dǎo)者，他們也只說能夠在數(shù)碼相冊中可以找到一些應(yīng)用，但近來聽了微軟一些學(xué)者們的演講，他們提到可以用手機(jī)拍下一個(gè)植物的圖片，傳回服務(wù)器，在大量植物圖片庫中檢索，找到最相似的植物，并給出植物的名稱，特點(diǎn)等。哈哈，這對于我這個(gè)五谷不分的人來說實(shí)在是太有幫助了，可見對于一項(xiàng)技術(shù)是否有用實(shí)在要仔細(xì)思考，不要早下斷言。

技術(shù)和市場是一個(gè)互動(dòng)的關(guān)系，有人認(rèn)為技術(shù)嚴(yán)格地從用戶的現(xiàn)實(shí)需求出發(fā)，這個(gè)觀點(diǎn)總的來說沒有錯(cuò)，但是忽視了技術(shù)創(chuàng)造需求的一面。大多數(shù)用戶往往并不了解技術(shù)發(fā)展到了什么程度，他們提不出需求來，這時(shí)技術(shù)專家們需要把技術(shù)和產(chǎn)品做出來給人們看，刺激、引領(lǐng)用戶的需求，比如數(shù)碼相機(jī)，5年前我想大多數(shù)用戶和我一樣并沒有淘汰膠卷相機(jī)的強(qiáng)烈要求，但當(dāng)數(shù)碼相機(jī)進(jìn)入市場后，人人都意識(shí)到：原來我需要這個(gè)東東。

在市場與技術(shù)的互動(dòng)中，總的來說，還是市場在引導(dǎo)和拉動(dòng)技術(shù)的發(fā)展。市場需要的是產(chǎn)品，產(chǎn)品往往集成了多項(xiàng)技術(shù)，因此一項(xiàng)被市場接受的產(chǎn)品能夠推動(dòng)多項(xiàng)技術(shù)的進(jìn)步。比如搜索引擎，它拉動(dòng)了自然語言處理、并行計(jì)算、海量存儲(chǔ)設(shè)備、數(shù)據(jù)挖掘等等多項(xiàng)技術(shù)的發(fā)展。最近中國計(jì)算機(jī)學(xué)會(huì)設(shè)立了王選獎(jiǎng)，在中國真正有市場眼光，能夠發(fā)明一項(xiàng)技術(shù)，拉動(dòng)一個(gè)行業(yè)的計(jì)算機(jī)專家，王選是第一人。怎樣根據(jù)市場選擇研究方向，設(shè)計(jì)產(chǎn)品，調(diào)整技術(shù)形態(tài)，我在后面還有詳細(xì)闡述。

科學(xué)技術(shù)的力量是巨大的，愛因斯坦給出的公式E=M*C2，C是光速啊，質(zhì)量乘以光速的平方，這是多么巨大的能量啊，愛因斯坦的理論直接導(dǎo)致了原子能的利用與開發(fā)。基因圖譜的發(fā)現(xiàn)以及后基因組時(shí)代對基因圖譜的深入分析必將為人類征服疾病提供一條嶄新的解決道路，通過對損壞的基因進(jìn)行修復(fù)，將使無數(shù)患者得以康復(fù)，無數(shù)家庭重拾幸福。互聯(lián)網(wǎng)的發(fā)明，把全世界連為一體，過不了多久，石頭里也會(huì)嵌入芯片，在這個(gè)世界上有生命的、無生命的各種物質(zhì)之間都可能進(jìn)行通訊，人們的生活面貌已經(jīng)徹底改變了。

當(dāng)然，科學(xué)也是雙刃劍：原子彈爆炸了，核戰(zhàn)爭始終威脅著人類；在對基因組這套上帝給出生命密碼沒有全面理解以前，任何盲動(dòng)都可能導(dǎo)致基因污染，以至于玩火自焚；互聯(lián)網(wǎng)上的虛擬生存讓人們感到更加孤獨(dú)。

研究是分層次的，很多大科學(xué)家在晚年登上了最高層，比如錢學(xué)森在80年代倡導(dǎo)思維科學(xué)，他對整個(gè)科學(xué)技術(shù)體系進(jìn)行了重新分類。在中國的大學(xué)里，分為一級學(xué)科，二級學(xué)科等，我就處在計(jì)算機(jī)科學(xué)技術(shù)一級學(xué)科下面的計(jì)算機(jī)應(yīng)用技術(shù)二級學(xué)科下。二級學(xué)科的帶頭人稱為學(xué)科帶頭人，二級學(xué)科下面一個(gè)研究方向的帶頭人稱為學(xué)術(shù)帶頭人，我就被指定為學(xué)術(shù)帶頭人。

我的研究方向是信息檢索，信息檢索下面又有子方向，比如文本檢索、文本挖掘、跨語言檢索、跨媒體檢索等，子方向下面設(shè)立具體的科研課題，比如文本挖掘中的多文檔自動(dòng)文摘課題，針對一項(xiàng)課題又有不同的解決辦法，基于事件抽取與集成的多文檔文摘就是利用一種具體的解決問題的方法。

總結(jié)來說，就是6個(gè)層級：
A. 一級學(xué)科
B. 二級學(xué)科
C. 研究方向
D. 子方向
E. 課題
F. 基于某種方法對課題進(jìn)行的具體研究

君子思不出其位，我是學(xué)術(shù)帶頭人，因此主要在思考C類的問題，也就是和信息檢索相關(guān)的問題。一個(gè)學(xué)院的院長通常會(huì)思考A類的課題，學(xué)科帶頭人或者說是一個(gè)博士點(diǎn)的點(diǎn)長是要考慮B類問題的。一個(gè)人對相關(guān)的方向或?qū)W科有所了解，對自己的研究工作是很有好處的，只有看清了整體的學(xué)科面貌，才能知道自己處在那個(gè)位置上，自己未來的方向在哪里。我在讀博士以及在微軟做副研究員的時(shí)候，只看到E類問題，想到最多的是F類問題，因此你讓我提一個(gè)新方向，讓我對一項(xiàng)技術(shù)進(jìn)行預(yù)測，我茫然無知。后來擔(dān)任院長助理，負(fù)責(zé)學(xué)院的成果轉(zhuǎn)化，需要了解學(xué)院里各個(gè)方向的發(fā)展?fàn)顟B(tài)，使我的視野開闊了一些。盡管我凡事不求甚解，但是喜歡總結(jié)歸納，因此對信息檢索與其它學(xué)科的關(guān)系有了更多地認(rèn)識(shí)，這對后來的選題很有幫助，特別是在應(yīng)用研究方面，心里比較有底。

學(xué)科好比一棵大樹的樹根，研究方向如同樹干，具體的課題就是枝葉了。和學(xué)科中各個(gè)方向都相關(guān)的研究課題是最基礎(chǔ)的研究課題，比如在人工智能中，各類機(jī)器學(xué)習(xí)算法是圖像識(shí)別、語音識(shí)別和語言理解等各個(gè)方向都離不開的，機(jī)器學(xué)習(xí)技術(shù)提高一步，好比樹根抬高了一寸，各項(xiàng)應(yīng)用技術(shù)也都跟著進(jìn)步，因此越是基礎(chǔ)的研究，越會(huì)對業(yè)界產(chǎn)生較大較深遠(yuǎn)的影響力。不過，基礎(chǔ)研究的突破比較難，而在某個(gè)應(yīng)用課題上不考慮一般情況，只考慮具體需要，成功的可能性大。枝葉上的課題做多了，經(jīng)過合并同類項(xiàng)，就會(huì)發(fā)現(xiàn)比較共性的基礎(chǔ)課題，比如我們在做問答系統(tǒng)、多文檔文摘、例句檢索等課題時(shí)發(fā)現(xiàn)復(fù)述(paraphrasing)是一個(gè)共性的問題，于是把復(fù)述單拿出來展開專門的研究，如此，可以越做越深。

研究有層次，學(xué)者也有層次，大致可以分為：
A. 大家（劍客）：提出問題
B. 專家（俠客）：解決問題
C. 學(xué)徒：修修補(bǔ)補(bǔ)
D. 抄襲者：抄來抄去
E. 搞偽科學(xué)的人：弄虛作假

A類是大家，站得高，看得遠(yuǎn)，他們往往能夠前瞻性地提出某個(gè)學(xué)科領(lǐng)域中的若干重大問題，最著名的是希爾伯特的23個(gè)問題，對數(shù)學(xué)界影響深遠(yuǎn)。提出問題其實(shí)也是解決問題的一種方式，只不過他們是在很高的層面解決問題，類似一個(gè)軟件系統(tǒng)分析員，他把一個(gè)復(fù)雜的工程問題分解為若干個(gè)有機(jī)聯(lián)系的子問題，然后宣布只要這幾個(gè)子問題解決了，整個(gè)大問題也就解決了。至于這幾個(gè)子問題到底怎樣解決，或者說相應(yīng)的子系統(tǒng)到底怎樣開發(fā)，他就不管了。胡亂地提問題并不難，小孩子也會(huì)向大人提出各種各樣有趣的問題，有的大人也答不出來，問題的關(guān)鍵在于在適當(dāng)?shù)臅r(shí)候提出適合當(dāng)前學(xué)術(shù)發(fā)展階段的關(guān)鍵性課題，這絕對不是一般人能夠做到的，這是需要具有對整個(gè)領(lǐng)域全面深入的理解才行的。

B類是專家，是在某個(gè)研究方向上有專長的人，他們沿著大家指出的方向探索前進(jìn)，提出全新的方法體系來解決問題。比如在機(jī)器翻譯領(lǐng)域中，日本長尾真教授提出了基于實(shí)例的機(jī)器翻譯方法，從一個(gè)全新的視角看待機(jī)器翻譯問題。專家經(jīng)驗(yàn)豐富，能夠自由地駕馭課題，穩(wěn)步地推動(dòng)課題的進(jìn)展。

C類是學(xué)徒，就是我們這些普通的研究人員了，這部分人的注意力在具體的課題上。學(xué)徒們還沒有宏大的視野，沒有捕捉全局戰(zhàn)略要點(diǎn)的本事，也還沒有在一個(gè)研究方向上提出原創(chuàng)性的解決之道，他們跟在拓荒者后面撿拾麥穗，他們負(fù)責(zé)對科學(xué)大廈修修補(bǔ)補(bǔ)。他們一會(huì)兒聽說了一個(gè)新的機(jī)器學(xué)習(xí)方法，趕緊在自己的課題上試一下；一會(huì)兒發(fā)現(xiàn)了一個(gè)以前忽略了的新的特征，立即想方設(shè)法把這個(gè)特征提取出來；一會(huì)兒為了參加一個(gè)技術(shù)評測，耐心地調(diào)一調(diào)系統(tǒng)參數(shù)；一會(huì)兒為了發(fā)表一篇論文構(gòu)造出一個(gè)試驗(yàn)來。我們每天的研究活動(dòng)差不多都是在這樣進(jìn)行的，很多時(shí)候在原地打轉(zhuǎn)轉(zhuǎn)。

我這樣描述學(xué)徒們的工作情景絲毫沒有貶低的意味，在達(dá)到專家的水平，證悟研究真諦以前，跌跌撞撞、渾渾沌沌是在所難免的。只要遵守誠信之道，不抄襲，不造假，點(diǎn)點(diǎn)滴滴的貢獻(xiàn)對科學(xué)界也是有幫助的。從更高的要求看，學(xué)徒的目標(biāo)應(yīng)該是成為專家，應(yīng)該時(shí)常靜下心來想一想，自己的工作是否有價(jià)值，是否有新意，揣摩一下大家們、專家們到底是怎樣思考問題的，在不斷地反思與實(shí)踐中向上邁進(jìn)。

D類學(xué)者根本算不上學(xué)者，他們?yōu)榱嗽u職稱等目的，對別人的論文進(jìn)行抄襲拼湊，他們是思想的竊賊，對學(xué)術(shù)界毫無貢獻(xiàn)可言。

E類學(xué)者不僅僅是做賊了，他編造偽科學(xué)，毀壞科學(xué)界在公眾中的形象，他們是科學(xué)界的公敵。

以上的分類也只是為了討論的方便，在各類之間并沒有明確的界限，我只是依次談出我心中做學(xué)問的境界而已。

在人類已知的世界和未知的世界之間有一條動(dòng)態(tài)邊界，科學(xué)家就站在這條邊界上，他們是挑戰(zhàn)未知世界的勇士，他們每向前邁出一步，就意味著整個(gè)人類的已知世界向前拓展了一步，由此足見科學(xué)工作的艱難和科學(xué)家的偉大。

研究又好比爬山，一座座山峰如同一個(gè)個(gè)研究領(lǐng)域，大家已登峰造極，一覽眾山小，把東南西北各條山路上的溝溝坎坎，把此山與他山之間的距離關(guān)系看得清清楚楚。隔行如隔山，隔行不隔道，在一個(gè)領(lǐng)域做到頂尖的學(xué)者已入化境，一通百通，你把另一個(gè)領(lǐng)域的問題講給他聽，他往往也能夠很快地抓到要害。專家已到半山腰，看不到山的全貌，但是他找到了一條通往山頂?shù)牡缆罚⒁徊揭徊降叵蛏吓实侵W(xué)徒還沒有進(jìn)入山門，他們一會(huì)兒仰望山頂，一會(huì)兒看看山腰，在山腳下繞來繞去找不到門徑，費(fèi)力不少，卻并沒有縮短與山頂?shù)木嚯x。

前文曾提到科學(xué)研究的層次，并分了6個(gè)層級。此處所說的選題指的是從C到E三個(gè)層次上的選擇問題，即：C. 研究方向、D. 子方向、E. 課題。選擇研究方向是實(shí)驗(yàn)室(Lab)主任們需要重點(diǎn)思考的事情，選擇子方向是研究小組(Group)的組長們需要重點(diǎn)思考的事情，選擇課題是研究生們需要重點(diǎn)思考的事情。

選擇太多，很容易讓人困惑，要想理出一個(gè)頭緒來，需要一些基本的原則。微軟的許峰雄來訪時(shí)談到了他選擇課題的三個(gè)標(biāo)準(zhǔn)：有足夠的興趣，能成為世界第一，能賺錢。（！）興趣，這個(gè)原則是非常重要的，我贊同，獲得國家最高科技獎(jiǎng)的"黃土之父"劉東生院士是搞地球環(huán)境科學(xué)的，經(jīng)常在野外作業(yè)，按常人推斷，這該是多么枯燥艱苦的工作啊，但他說："枯燥？不！因?yàn)榻?jīng)常有新發(fā)現(xiàn)，其中的樂趣難以形容"。我堅(jiān)信任何一個(gè)成功的科學(xué)家的直接工作動(dòng)源都是興趣，而不是意志。（2）成為世界第一，不容易，但是應(yīng)該作為一種判斷標(biāo)準(zhǔn)，如果某個(gè)領(lǐng)域已經(jīng)非常成熟，很難有什么創(chuàng)新了，或者大牛云集，已經(jīng)打破頭了，則應(yīng)該有所回避。（3）賺錢，許峰雄是在工業(yè)研究院中工作，比較注重實(shí)用，因此他強(qiáng)調(diào)了"賺錢"，我是在工科大學(xué)里工作，也比較偏重應(yīng)用，因此是贊同"能賺錢"這個(gè)標(biāo)準(zhǔn)的。不過，"能賺錢"不等于立即賺錢，5年、10年，20年后能夠賺錢的研究課題都是值得關(guān)注的。

談?wù)勎疫x擇課題的一些體會(huì)：
1、要有實(shí)際需求
一個(gè)課題必須有實(shí)際需求，可能是現(xiàn)實(shí)的需求，也可能是潛在的需求；可能是直接的需求，也可能是間接的需求，總之是的的確確被人們所需要的。據(jù)個(gè)反例，比如自動(dòng)文摘，自動(dòng)文摘是我的博士論文課題，但是實(shí)際應(yīng)用需求始終不清楚，自動(dòng)文摘的結(jié)果用于編輯出版，質(zhì)量肯定無法保證，用于幫助人們快速瀏覽資料吧， Google提供的包含查詢詞的簡單的Snippet就起到了這個(gè)作用，因此，至今基于全文分析的單文檔自動(dòng)文摘到底用到哪里，仍然不清楚，這方面的研究已經(jīng)有50多年的歷史了，仍然是不死不活，總是找不到應(yīng)用就無法得到政府和企業(yè)界的持續(xù)性支持，以往的付出成為雞肋。我覺得單自動(dòng)文摘不是一個(gè)好課題，目前階段多文檔文摘，或者說對某個(gè)題目的自動(dòng)綜述分析是非常好的題目。

2、有較大的未知空間
以手寫體漢字識(shí)別為例，市場上已經(jīng)大面積應(yīng)用了，在研究上就不宜再展開。

3、與自己以往的工作有關(guān)聯(lián)
如果你覺得自己的研究領(lǐng)域太窄，或者競爭對手太多，或者自己缺乏興趣，則可以適當(dāng)擴(kuò)展研究方向，但最好是相關(guān)性地?cái)U(kuò)展，比如從自然語言處理(NLP)擴(kuò)展到信息檢索(IR)，IR要用到NLP的技術(shù)，這種擴(kuò)展是從底層技術(shù)到應(yīng)用系統(tǒng)的擴(kuò)展，很自然。再比如從圖片檢索擴(kuò)展到視頻檢索，只是處理對象有變化，很多原有的技術(shù)優(yōu)勢仍然能夠發(fā)揮。如果跳躍性太大，比如搞NLP，忽然發(fā)現(xiàn)做數(shù)據(jù)挖掘有前途，于是單純地轉(zhuǎn)向數(shù)據(jù)庫中數(shù)據(jù)挖掘，和文本處理完全脫節(jié)，這種做法一方面無法發(fā)揮既有的技術(shù)積累，另一方面也讓同行感覺你不夠?qū)Ｗⅲ蝗菀椎玫秸J(rèn)可。最要命的是有的人根本就沒有自己的方向，什么課題都敢接，這樣的人可以一時(shí)間讓人覺得風(fēng)風(fēng)火火，經(jīng)費(fèi)也很充足，但過不了多久就會(huì)摔落下去，因?yàn)槿狈Ψe累，學(xué)術(shù)形象不清，公雞下蛋，干了自己不擅長的事情，在學(xué)術(shù)圈還怎么混？

4、有可能得到國家的支持
對于資深學(xué)者，他選定一個(gè)課題后，可以寫出立項(xiàng)建議，去說服政府或軍方支持他的工作，從而填補(bǔ)國家空白，成為國內(nèi)這個(gè)方向的先驅(qū)。哈工大的楊孝宗老師借鑒 CMU在wearable computing方面的研究成果，在國內(nèi)率先提出穿戴計(jì)算機(jī)的概念，堅(jiān)持多年，就獲得了軍方的認(rèn)可。對于剛出道的年輕人，無力直接影響政府，那只有自己預(yù)先判定一個(gè)幾年后可能成為熱點(diǎn)的方向，先走一步，做出一些成績來，等到大氣候適宜的時(shí)候，由于他已經(jīng)取得了一定的成果，也有可能被認(rèn)可為這個(gè)領(lǐng)域的先行者，得到國家的支持。

對一個(gè)課題的類型要有一個(gè)判斷，是研究型的還是開發(fā)型的，如果是研究型的，要組織博士生們來攻關(guān)，鼓勵(lì)大家大膽嘗試，提出創(chuàng)見；如果是開發(fā)型的，要更多地召集碩士生們來做，強(qiáng)調(diào)利用一切現(xiàn)有的技術(shù)手段把技術(shù)或系統(tǒng)做到實(shí)用可靠。這兩者要分的比較清楚，既不能通過各種打補(bǔ)丁的方法，或者說一大堆小技巧來對付研究型的課題，因?yàn)槟菢邮亲霾怀鐾黄菩赃M(jìn)展的，也不能在開發(fā)類課題上總是異想天開，嘗試還很不成熟的技術(shù)。

如果是研究型課題，還要區(qū)別是基礎(chǔ)研究還是應(yīng)用研究，基礎(chǔ)研究的結(jié)果不能直接被用戶使用，類似重工業(yè)，應(yīng)用研究的結(jié)果最終用戶直接就能夠用上，類似輕工業(yè)。對于基礎(chǔ)研究，可以拋開具體應(yīng)用的約束，專注于一些科學(xué)原理技術(shù)原理的突破。對于應(yīng)用研究，則需要考慮用戶的需求。

課題還有長期(long term)和短期(short term)之分，長期研究的課題往往難度大，研究結(jié)果難以預(yù)料，短期項(xiàng)目則比較好預(yù)測，可以速戰(zhàn)速?zèng)Q。

在一個(gè)具體的題目上作研究，應(yīng)該遵從怎樣的程序呢？我覺得可以概括為"螺旋式深入"，也就是在"閱讀"，"思考"，"實(shí)驗(yàn)"，"寫作"，再閱讀。。。這四個(gè)階段的時(shí)間分配可以根據(jù)實(shí)際情況靈活調(diào)整，剛進(jìn)入課題的研究生閱讀調(diào)研花費(fèi)的時(shí)間要多一些，而在一個(gè)課題上已經(jīng)開展了一兩年工作的人則可能增量式地閱讀資料，閱讀時(shí)間自然比起步時(shí)少一些。專門用于思考、設(shè)計(jì)、推演的時(shí)間可能并不多，但思考是滲透在其它三個(gè)階段中不斷進(jìn)行的，因此總的思考時(shí)間并不少。實(shí)驗(yàn)中編程的時(shí)間應(yīng)該盡可能短，用更多的時(shí)間進(jìn)行實(shí)驗(yàn)數(shù)據(jù)的分析。寫作是常常被中國的研究生忽略的環(huán)節(jié)，寫作的時(shí)間要足夠長。收集資料，了解別人的工作，找出問題所在，針對性地提出自己的創(chuàng)意，用實(shí)驗(yàn)驗(yàn)證自己創(chuàng)意的正確性，總結(jié)歸納，撰寫論文，發(fā)現(xiàn)新的問題，再收集資料，如此反復(fù)，這是研究活動(dòng)的大致流程。

收集資料、閱讀資料是從事研究工作的第一步，但是如何收集、閱讀資料卻很有學(xué)問，初學(xué)者如果沒有得到足夠的指導(dǎo)，常常走很多彎路。

1、閱讀重要的論文
目前互聯(lián)網(wǎng)上的信息量太大了，對每一條信息的重要性、可靠性的判斷是一個(gè)人采集信息的關(guān)鍵環(huán)節(jié)。如果判斷一篇論文是否重要呢？GoogleScholar給出的引用數(shù)是一個(gè)有效指標(biāo)，很多學(xué)者都引用的文章往往就是有價(jià)值的論文。有的同學(xué)覺得看中文論文容易，于是把自己能夠查到的中文論文一網(wǎng)打盡，反復(fù)閱讀，但是很多發(fā)表在三流刊物上為了評職晉級而炮制的論文完全沒有閱讀的價(jià)值，白白耽誤了時(shí)間。即使是英文論文，國外一樣有濫竽充數(shù)的文章，這樣的論文引用數(shù)肯定低，用引用數(shù)可能很容易地把這樣的論文淘汰掉。

計(jì)算機(jī)領(lǐng)域的頂級會(huì)議論文非常重要，在NLP領(lǐng)域有ACL，在IR領(lǐng)域有SIGIR，在機(jī)器翻譯領(lǐng)域有MT Summit，這些頂級會(huì)議的論文質(zhì)量很高，內(nèi)容很新，應(yīng)該高度關(guān)注。期刊上的論文是一個(gè)作者或機(jī)構(gòu)一個(gè)階段的研究成果的總結(jié)，通常質(zhì)量較高，但由于審稿及編輯出版的周期很長，因此內(nèi)容不夠新，適當(dāng)關(guān)注即可。NLP領(lǐng)域的CL，機(jī)器翻譯中的MT，信息檢索領(lǐng)域的IP&M和JASIST等都是很好的期刊。進(jìn)入一個(gè)領(lǐng)域，必須立即了解該領(lǐng)域有哪些頂級的國際會(huì)議和國際期刊。

2、以作者為線索理清脈絡(luò)
閱讀論文一定要注意論文的作者是誰，研究機(jī)構(gòu)是哪里，以作者為線索理一理就會(huì)發(fā)現(xiàn)全世界搞你這個(gè)方向的也就那么幾個(gè)、十幾個(gè)研究機(jī)構(gòu)、研究者，以后就跟蹤這些人的研究工作即可，還能夠發(fā)現(xiàn)該作者的研究工作的演進(jìn)脈絡(luò)。如果拿到一篇文章就讀，讀完了也不知道作者是誰，時(shí)間長了，就會(huì)感到暈頭暈?zāi)X，不知道從哪個(gè)期刊或會(huì)議上就會(huì)冒出一篇相關(guān)文章來，讓你防不勝防。

3、閱讀最新的論文
學(xué)術(shù)發(fā)展很快，要集中盡力閱讀近5年，特別是近3年的論文，對于5年前的論文，只看引用率最高的經(jīng)典文章即可。

讀完一篇論文必須了解哪些關(guān)鍵內(nèi)容呢？我覺得應(yīng)該包括以下方面：作者為什么要做這項(xiàng)工作？要解決的是一個(gè)什么問題？作者在解決問題時(shí)遇到了怎樣的困難？為了解決他的困難他提出了什么樣的解決辦法？試驗(yàn)結(jié)果是否可能真的證明他的方法好，數(shù)據(jù)是否充分，有沒有和別人的工作，別的方法進(jìn)行對比？你認(rèn)為他的方法是否新穎，你從中學(xué)到了什么？該方法有哪些不足，你是否立即有了新的改進(jìn)方案？如果有立即記錄下來。帶著上述問題，抓住要點(diǎn)，做好記錄，一篇長文就會(huì)像庖丁解牛一樣轟然倒下。

真理越辯越明，我們讀的是一篇學(xué)術(shù)論文，不是《圣經(jīng)》，不能帶著崇敬的心理去閱讀，要像一個(gè)審稿人那樣帶著批判挑剔的心理閱讀論文，在閱讀中不斷地找出論文中的問題，選題上的，方法上的，實(shí)驗(yàn)上的，表述上的，并不斷地通過積極獨(dú)立的思考給出自己認(rèn)為見解。只有這樣，資料才能夠?yàn)槟闼茫粫?huì)成為你的包袱。有的同學(xué)讀資料，越讀越喪失信心，發(fā)現(xiàn)別人做得太好了，自己的想法都被別人做完了，資料全讀完了，自己也準(zhǔn)備換課題了，這是失敗的讀法。

中國的研究生要有信心，不要被國外所謂的名家嚇住。中國的科研水平在快速提高，科研人員的素質(zhì)也在快速提高。一位美籍華裔企業(yè)家在一篇文章中寫道："可不幸的是，除了很少頂尖學(xué)校的博士外，大部分博士所做的研究課題都是陳舊或者沒有意義的。"不知道頂尖高校的含義是什么，但是我覺得我們的研究生要對自己的國家有信心，對自己的學(xué)校有信心，對自己的倒是有信心，對自己有信心。只要我們掌握正確的研究方法，廣泛閱讀國外最新的研究成果，大膽嘗試自己人為正確的方法，充分釋放我們的聰明才智，我們就絲毫不用對國外的研究工作頂禮膜拜。在科學(xué)研究上，歐美人從內(nèi)心里是瞧不起我們亞洲人，我們中國人的，以至于歐美歸來的學(xué)者們也以歐美為樣板來評估我們教育科研體制，只要和美國不一樣就是大錯(cuò)特錯(cuò)了，中國高校的教師們都是在誤人子弟。我奉勸每一位研究生建立不崇拜權(quán)威，不崇拜歐美，只服從真理的獨(dú)立思維模式，大膽質(zhì)疑大膽批判，只有這樣才能不死于他人之言下，才能有活脫脫的自己。

常用鏈接

留言簿

隨筆檔案

搜索

最新評論

閱讀排行榜

評論排行榜

Windows7&IIS7.5部署Discuz全攻略

準(zhǔn)備工作

安裝PHP

配置IIS

安裝MySQL

安裝Discuz

Python正則

Python讀寫文件

事由

C++真的比C差嗎？

C++的坑有多少？

C++的初衷

我對C++的感情

C++的未來

總結(jié)

用十年來學(xué)編程
Peter Norvig

為什么每個(gè)人都急不可耐？

10年學(xué)編程

怎樣做研究（一）

常用鏈接

留言簿

隨筆檔案

搜索

最新評論

閱讀排行榜

評論排行榜

Windows7&IIS7.5部署Discuz全攻略

準(zhǔn)備工作

安裝PHP

配置IIS

安裝MySQL

安裝Discuz

Python正則

Python讀寫文件

事由

C++真的比C差嗎？

C++的坑有多少？

C++的初衷

我對C++的感情

C++的未來

總結(jié)

用十年來學(xué)編程Peter Norvig

為什么每個(gè)人都急不可耐？

10年學(xué)編程

怎樣做研究（一）

用十年來學(xué)編程
Peter Norvig