Java的内存泄漏和垃圾回收机制 && 正则表达式

      JAVA会产生内存泄露吗？首先，答案是肯定的。Java虽然有垃圾回收器，但依然存在泄漏。

      Java内存泄漏跟C/C++内存泄漏的概念不一样：C/C++的内存泄漏是指Malloc了一些资源，最后没有free掉，内存没有回收，这个是真正意义上的内存黑洞；而Java的泄漏指，Java对象的存在对程序已经没有意义，但是对象在程序周期内一直存在，这个可能会导致Java的内存泄漏。

       总结原因，大概有下面几个方面：

（1）Java的某个对象被一个生命周期很长的类不当持有，这个是Java内存泄漏最主要的原因，对象在某个Task中没有主动清除，其宿主在工作时会不断增加该对象的引用数，也就会吃掉更多的内存，从而导致内存泄漏；
（2）在Runtime Exception的时候，没有用finally{}来释放某些资源；
（3）变量范围的扩大，比如说一个方法的局部变量被定义成类的变量，这样导致变量的生命期变长，有可能导致泄漏(这个和第一点还是有点像的)。 

       那么JAVA的垃圾回收机制（Gabage Collection）是怎么样的呢？垃圾收集机制是指jvm用于释放那些不再使用的对象所占用的内存。java语言并不要求jvm有gc，也没有规定gc如何工作。不过常用的jvm都有gc，而且大多数gc都使用类似的算法管理内存和执行收集操作。垃圾收集的目的在于清除不再使用的对象。gc通过确定对象是否被活动对象引用来确定是否收集该对象。两种常用的方法是引用计数和对象引用遍历。 
（1）引用计数：引用计数存储对特定对象的所有引用数，也就是说，当应用程序创建引用时，jvm必须适当增减引用数。当某对象的引用数为0时，便可以进行垃圾收集。
（2）对象引用遍历：早期的jvm使用引用计数，现在大多数jvm采用对象引用遍历。对象引用遍历从一组对象开始，沿着整个对象图上的每条链接，递归确定可到达（reachable）的对象。如果某对象不能从这些根对象的一个（至少一个）到达，则将它作为垃圾收集。在对象遍历阶段，gc必须记住哪些对象可以到达，以便删除不可到达的对象，这称为标记（marking）对象。
      然后，gc要删除不可到达的对象。删除时，有些gc只是简单的扫描堆栈，删除未标记的对象，并释放它们的内存以生成新的对象，这叫做清除（sweeping）。这种方法的问题在于内存会分成好多小段，而它们不足以用于新的对象，但是组合起来却很大。因此，许多gc可以重新组织内存中的对象，并进行压缩（compact），形成可利用的空间。 

 参考原文：http://allenshao.javaeye.com/blog/624393

 参考原文：http://www.javaeye.com/topic/244277

==============================================================================

（1）正则表达式到底是什么东西？
       字符是计算机软件处理文字时最基本的单位，可能是字母，数字，标点符号，空格，换行符，汉字等等。字符串是0个或更多个字符的序列。文本也就是文字，字符串。说某个字符串匹配某个正则表达式，通常是指这个字符串里有一部分（或几部分分别）能满足表达式给出的条件。
       很可能你使用过Windows/Dos下用于文件查找的通配符(wildcard)，也就是*和?。如果你想查找某个目录下的所有的Word文档的话，你会搜索*.doc。在这里，*会被解释成任意的字符串。和通配符类似，正则表达式也是用来进行文本匹配的工具，只不过比起通配符，它能更精确地描述你的需求——当然，代价就是更复杂——比如你可以编写一个正则表达式，用来查找所有以0开头，后面跟着2-3个数字，然后是一个连字号“-”，最后是7或8位数字的字符串(像010-12345678或0376-7654321)。

（2）入门
       学习正则表达式的最好方法是从例子开始，理解例子之后再自己对例子进行修改，实验。假设你在一篇英文小说里查找hi，你可以使用正则表达式hi。这几乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前一个字符是h,后一个是i。通常，处理正则表达式的工具会提供一个忽略大小写的选项，如果选中了这个选项，它可以匹配hi,HI,Hi,hI这四种情况中的任意一种。不幸的是，很多单词里包含hi这两个连续的字符，比如him,history,high等等。用hi来查找的话，这里边的hi也会被找出来。如果要精确地查找hi这个单词的话，我们应该使用hi。
       是正则表达式规定的一个特殊代码（好吧，某些人叫它元字符，metacharacter），代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。如果需要更精确的说法，匹配这样的位置：它的前一个字符和后一个字符不全是(一个是,一个不是或不存在)w。

       假如你要找的是hi后面不远处跟着一个Lucy，你应该用hi.*Lucy。这里，.是另一个元字符，匹配除了换行符以外的任意字符。*同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配。因此，.*连在一起就意味着任意数量的不包含换行的字符。现在hi.*Lucy的意思就很明显了：先是一个单词hi,然后是任意个任意字符(但不能是换行)，最后是Lucy这个单词。
       如果同时使用其它元字符，我们就能构造出功能更强大的正则表达式。比如下面这个例子：0dd-dddddddd匹配这样的字符串：以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字(也就是中国的电话号码。当然，这个例子只能匹配区号为3位的情形)。这里的d是个新的元字符，匹配一位数字(0，或1，或2，或……)。-不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它)。为了避免那么多烦人的重复，我们也可以这样写这个表达式：0d{2}-d{8}。 这里d后面的{2}({8})的意思是前面d必须连续重复匹配2次(8次)。

（3）元字符

       现在你已经知道几个很有用的元字符了，如,.,*，还有d.正则表达式里还有更多的元字符，比如s匹配任意的空白符，包括空格，制表符(Tab)，换行符，中文全角空格等。w匹配字母或数字或下划线或汉字等。下面来看看更多的例子：
aw*匹配以字母a开头的单词——先是某个单词开始处()，然后是字母a,然后是任意数量的字母或数字(w*)，最后是单词结束处()。
d+匹配1个或更多连续的数字。这里的+是和*类似的元字符，不同的是*匹配重复任意次(可能是0次)，而+则匹配重复1次或更多次。
w{6} 匹配刚好6个字符的单词。

                                        

元字符^（和数字6在同一个键位上的符号）和$都匹配一个位置，这和有点类似。^匹配你要用来查找的字符串的开头，$匹配结尾。这两个代码在验证输入的内容时非常有用，比如一个网站如果要求你填写的QQ号必须为5位到12位数字时，可以使用：^d{5,12}$。这里的{5,12}和前面介绍过的{2}是类似的，只不过{2}匹配只能不多不少重复2次，{5,12}则是重复的次数不能少于5次，不能多于12次，否则都不匹配。

（4）字符转义
       如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用来取消这些字符的特殊意义。因此，你应该使用.和*。当然，要查找本身，你也得用\.例如：unibetter.com匹配unibetter.com，C:\Windows匹配C:Windows。

（5）重复
       你已经看过了前面的*,+,{2},{5,12}这几个匹配重复的方式了。下面是正则表达式中所有的限定符(指定数量的代码，例如*,{5,12}等)：

                                         

更详细正则表达式用法，请参见http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html

常用正则表达式：http://deerchao.net/tutorials/regex/common.htm