正则表达式的练习题，多数来源于网络收集，由于网络上很多人给出的答案在我的测试用例中会有各种错误匹配，所以本文答案全部为我自己给出的答案，尽量保持题目难度由易到难。由于初学者，水平有所欠缺，难免有错误之处，所以如果你有更好的答案，如能给出，非常感谢！也非常欢迎指出错误！
测试文本可以通过在网上搜索邮箱，或者电话大全然后获取其网页源码作为测试文本，然后缺什么再加什么。
或者直接使用我练习时使用的一个文本Test.txt
国外某网站提供的两个测试文件可供使用：
英文单词列表：http://qntm.org/files/re/words.zip
英语电子书The Time Machine by H. G. Wells: http://www.gutenberg.org/cache/epub/35/pg35.txt
如果该网站无法访问，可以从网站搜索任意英文电子书的一部分作为测试用例。

关于

正则表达式即一种功能强大的针对字符串的匹配规则。它在匹配时将匹配字符与匹配数量分开表示。比如一些元字符的匹配一次全部都只匹配一个，而通过专门的方式来表示匹配数量或者重复匹配。\\同样还是表示转义字符。本文没有特殊说明的情况下默认举例的单词是针对英文，不包含汉字。
本文如无特殊说明，使用的正则表达式语法指的是兼容Perl的正则语法，因为Perl语言的正则表达式是支持最广泛的，包括PHP、Python、Java的大量正则包，还有微软的.NET Framework、Tcl以及C/C++的类库。

参考资源

1. msdn上的C#语言规范中文版
2. C#中的所有关键字
3. .NET Framework类库

简介

线程块中线程总数的大小除了受到硬件中Max Threads Per block的限制，同时还要受到Streaming Multiprocessor、Register和Shared Memory的影响。这些条件的共同作用下可以获得一个相对更合适的block尺寸。当block尺寸太小时，将无法充分利用所有线程；当block尺寸太大时，如果线程需要的资源总和过多，CUDA将通过强制减少block数量来保证资源供应，同样无法利用所有线程。而grid的尺寸通常越大越好，当grid中的线程总数超过一次所能启动的并发线程总数时，过多的线程将以线程块为单位由CUDA进行新的调用，当然启动数量够用就可以了，以免浪费资源。

简介

线程块中线程总数的大小除了受到硬件中Max Threads Per block的限制，同时还要受到Streaming Multiprocessor、Register和Shared Memory的影响。这些条件的共同作用下可以获得一个相对更合适的block尺寸。当block尺寸太小时，将无法充分利用所有线程；当block尺寸太大时，如果线程需要的资源总和过多，CUDA将通过强制减少block数量来保证资源供应，同样无法利用所有线程。而grid的尺寸通常越大越好，当然够用就可以了，以免浪费资源。

关于本文

主要是看《C++ primer》时的总结，由于以前学习过C++，所以仅仅记录了自己忘记的以及一些之前没有弄明白的东西。本文举例全部通过gcc 5.1.2验证，使用g++编译进可以通过指定-std=c++11或-std=c++0x来启用对C++11的支持。eg: g++ -o hello hello.cpp -std=c++11 -Wall，-Wall是开启警告。
参考手册：
1.cplusplus Reference，包含了C++和C的标准库，并带有示例： http://www.cplusplus.com
2.cppreference配全上面使用，该站点有中文版本：http://www.cppreference.com
其他资料：
1.C++中指针和引用的区别：http://stackoverflow.com/questions/57483/what-are-the-differences-between-a-pointer-variable-and-a-reference-variable-in
2.const int*、const int * const、int const *的区别：http://stackoverflow.com/questions/1143262/what-is-the-difference-between-const-int-const-int-const-and-int-const
3.什么是C++11中的rvalue、lvalue、xvalue、glvalue、prvalue：http://stackoverflow.com/questions/3601602/what-are-rvalues-lvalues-xvalues-glvalues-and-prvalues

关于|准备

本为内容来源于《CUDA by Example.An Introduction to General-Purpose GPU Programming》学习整理，网上中英文版都有，其源码以及本文测试源码在github。部分内容来源于CUDA官方文档http://docs.nvidia.com/cuda以及其他网上相关资料，官方文档右上角的搜索不是非常好用，如果没有搜索到你所需要的关键字可以定位到所需文档后试试ctrl+f,例如dim3的概念。这里是一个中文版本的NVIDIA_CUDA_Programming_Guide_2.0Final。
新人入坑看这里，系统学习强烈推荐直接看官方这份编程指南：http://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html，本文后期补充的大量内容都来自该指南。
看完指南再看官方的进阶文档，最佳实践指南：http://docs.nvidia.com/cuda/cuda-c-best-practices-guide/，这些看完你也就完全入门了，并且跟上了CUDA的最新技术发展。

自己学习python 3.x的笔记，主要内容来源于A byte of python(已看完)和python官网文档Python 3.4.3 documentation(其中的Tutorial已看完)。

git常用配置命令:

git config --global user.name "Your Name" 相当于设置你将来的仓库所有人

git config --global user.email "you@example.com" 仓库所有人的邮箱

git config --global color.ui true 让git显示颜色

在仓库目录下新建.gitignore，编辑需要忽略掉的文件，支持通配符，并把它提交到仓库即可。可以访问https://github.com/github/gitignore 寻找常用的.gitignore文件

git config --global alias.[alias_name] [git_command] 为git命令配置别名，跟bash里面的别名配置类似

本文非原创，基于原创内容增加了一些常用内容，原创网址貌似被墙了，所以转来分享