C++使用正则表达式的详细教程 C++使用正则表达式的详细教程

正则表达式
RE库组件
正则表达式的使用
regex迭代器类型

smatch相关操作

子表达式

子表达式用于数据验证
子匹配操作

regex_replace

总结

正则表达式正则表达式(regular expression)是一种描述字符序列的方法，是一种极其强大的计算工具。
C++正则表达式库(RE库)定义在中，它包含多个组件。

RE库组件

	解释
regex	表示有一个正则表达式的类
regex_match	将一个字符序列与一个正则表达式匹配
regex_search	寻找第一个与正则表达式匹配的子序列
regex_replace	使用给定格式替换一个正则表达式
sregex_iterator	迭代器适配器，调用regex_search来遍历一个string中所有匹配的子串
smatch	容器类，保存在string中搜索的结果
ssub_match	string中匹配的子表达式的结果

正则表达式的使用

#include void test(){//查找不是在字符c之后的ei组合存在的单词 string pattern("[^c]ei"); pattern = "[[:alpha:]]*" + pattern + "[[:alpha:]]*"; regex r(pattern); smatch results; string test_str("receipt freind theif receive"); if (regex_search(test_str, results, r))cout << results.str() << endl; //freind}

regex迭代器类型上面的程序只能查找第一个匹配到的单词，如果想获得所有匹配，可以使用sregex_iterator。

for (sregex_iterator it(test_str.begin(),test_str.end(),r), end_it; it != end_it; ++it) {cout << it->str() << endl; }

输出：

freind
theif

for循环中定义了两个迭代器，it负责寻找匹配的单词，end_it是一个空迭代器，起到尾后迭代器的作用。
解引用迭代器会得到一个匹配结果的smatch对象。
除了得到匹配的smatch对象以外，还可以得到其上下文。

for (sregex_iterator it(test_str.begin(),test_str.end(),r), end_it; it != end_it; ++it) { auto pos = it->prefix().length(); pos = pos > 40 ? pos - 40 : 0; cout << it->prefix().str().substr(pos)<< "[ " << it->str() << " ]"<< it->suffix().str().substr(0, 40)<< endl; }

输出：

receipt [ freind ] theif receive
[ theif ] receive

使用prefix和suffix函数可以得到匹配之前和之后的ssub_match对象。

smatch相关操作

	解释
m.ready()	若已通过regex_search或regex_match设置了m，则返回true；否则返回false
m.size()	如果匹配失败，返回0；否则返回最近一次匹配的正则表达式中子表达式的数目
m.empty()	若m.size()==0，返回true
m.prefix()	一个ssub_match对象，表示当前匹配之前的序列
m.suffix()	一个ssub_match对象，表示当前匹配之后的部分
m.format()	格式化输出
m.length(n)	第n个匹配的子表达式的大小
m.position(n)	第n个子表达式距序列开始的距离
m.str(n)	第n个子表达式匹配的string
m[n]	对应第n个子表达式的ssub_match对象
m.begin(),m.end()	m中sub_match元素范围的迭代器
m.cbegin(),m.cend()	m中sub_match元素范围的常量迭代器

这些操作也适用于cmatch、wsmatch、wcmatch和对应的子匹配对象。

子表达式正则表达式中的模式通常包含一个或多个子表达式(subexpression)。
一个子表达式是模式的一部分，本身也具有意义。
正则表达式语法同常用小括号表示子表达式。
eg: 可以使用子表达式来匹配文件扩展名

regex r("([[:alnum:]]+)\\.(cpp|cxx|cc)$");

现在模式中有两个小括号表示的子表达式：

([[:alnum:]]+) 匹配一个或多个数字字母序列
(cpp|cxx|cc) 匹配cpp或cxx或cc等扩展名

通过使用str(n)来打印子表达式

if (regex_search(filename, results, r))cout << results.str(1) << endl; //打印第一个子表达式

参数0代表整个对应的匹配，参数1表示第一个子表达式。
如，foo.cpp中，results.str(0)将保存foo.cpp，results.str(1)将保存foo。

子表达式用于数据验证
子表达式的一个常见用途是验证必须匹配特定格式的数据。
eg:匹配联通号码

中国联通号段：130、131、132、145、155、156、166、175、176、185、186、196

使用开源工具Regulex实现正则表达式设计可视化。

文章图片

void test02(){ //匹配联通号码 string UnicomNumber("\\b(1)(3[0-2]|[4578]5|[5-9]6)(\\d{4})(\\d{4})\\b"); regex r(UnicomNumber); string testNumbers("130123456789 23112345678 7602125 1320000 16512345678 14512345678 17612345678"); for (sregex_iterator it(testNumbers.begin(), testNumbers.end(), r), end_it; it != end_it; ++it) {cout << it->str() << endl; }}

结果：

1451234567817612345678

解释：
在模式UnicomNumber中，有4个子表达式

子表达式索引号	子表达式	含义
子表达式1	(1)	匹配1
子表达式2	(3[0-2]\|[4578]5\|[5-9]6)	匹配30/31/32/45/55/75/85/56/66/76/86/96
子表达式3	(\d{4})	匹配任意4个数字
子表达式4	(\d{4})	匹配任意4个数字

此外，"\b"匹配单词边界，可以理解为空格与单词的分界线。"\d"匹配任意数字。[]内表示多选一，{n}表示匹配n个，子表达式内"|"表示或。
并且，在正则表达式语法中"\“具有转义作用，在C++中也有转义作用，因此，为了得到正则表达式中的”\"，需要在string中额外加一个"\"。所以我们的表达式中会有"\\b"和"\\d"。
在正则匹配过程中，迭代器查找每一个号码，进行分析

号码	分析
130123456789	多了一位数字，单词边界匹配失败
23112345678	子表达式1匹配失败
7602125	子表达式1匹配失败
1320000	子表达式3匹配失败(或者说是边界匹配失败？)
16512345678	子表达式2匹配失败
14512345678	匹配成功
17612345678	匹配成功

子匹配操作
ssub_match的相关操作

	解释
matched	一个public bool成员，指出此ssub_match是否匹配了
first,second	public数据成员，指向匹配序列首元素和尾后迭代器
length()	匹配的大小
str()	匹配的string
s = ssub	将ssub_match对象转化为string对象

添加一段代码，测试一下matched成员

for (sregex_iterator it(testNumbers.begin(), testNumbers.end(), r), end_it; it != end_it; ++it) { cout << it->str() << endl; cout << "\t" << (*it)[4].matched << endl; }

结果

14512345678
1
17612345678
1

这里的matched为true表示匹配到了，当然，UnicomNumber的子表达式并非是可选匹配的(用"?"跟在一个表达式后表示可以有1个或0个该表达式)，所以它的四个子表达式全部匹配到了，若是可选表达式，可能会出现matched为false的情况。

regex_replace 正则表达式不仅用在查找给定序列方面，当我们想将查找到的序列替换为另一个序列时，可使用regex_replace。
eg:格式化输出电话号码

void test03(){ string UnicomNumber("\\b(1)(3[0-2]|[4578]5|[5-9]6)(\\d{4})(\\d{4})\\b"); regex r(UnicomNumber); string fmt = "$1$2 $3 $4"; string number = "14512345678"; cout << regex_replace(number,r,fmt) << endl; }

结果：