正則表達(dá)式

正則表達(dá)式(regular expression)是一種描述字符序列的方法，是一種極其強(qiáng)大的計(jì)算工具。

C++正則表達(dá)式庫(kù)(RE庫(kù))定義在<regex>中，它包含多個(gè)組件。

RE庫(kù)組件

正則表達(dá)式的使用

#include <regex>
void test()
{
    //查找不是在字符c之后的ei組合存在的單詞
	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迭代器類型

上面的程序只能查找第一個(gè)匹配到的單詞，如果想獲得所有匹配，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;
}

輸出：

freind
theif

for循環(huán)中定義了兩個(gè)迭代器，it負(fù)責(zé)尋找匹配的單詞，end_it是一個(gè)空迭代器，起到尾后迭代器的作用。

解引用迭代器會(huì)得到一個(gè)匹配結(jié)果的smatch對(duì)象。

除了得到匹配的smatch對(duì)象以外，還可以得到其上下文。

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;
}

輸出：

receipt [ freind ] theif receive
 [ theif ] receive

使用prefix和suffix函數(shù)可以得到匹配之前和之后的ssub_match對(duì)象。

smatch相關(guān)操作

這些操作也適用于cmatch、wsmatch、wcmatch和對(duì)應(yīng)的子匹配對(duì)象。

子表達(dá)式

正則表達(dá)式中的模式通常包含一個(gè)或多個(gè)子表達(dá)式(subexpression)。

一個(gè)子表達(dá)式是模式的一部分，本身也具有意義。

正則表達(dá)式語(yǔ)法同常用小括號(hào)表示子表達(dá)式。

eg: 可以使用子表達(dá)式來(lái)匹配文件擴(kuò)展名

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

現(xiàn)在模式中有兩個(gè)小括號(hào)表示的子表達(dá)式：

• ([[:alnum:]]+) 匹配一個(gè)或多個(gè)數(shù)字字母序列
• (cpp|cxx|cc) 匹配cpp或cxx或cc等擴(kuò)展名

通過(guò)使用str(n)來(lái)打印子表達(dá)式

if (regex_search(filename, results, r))
		cout << results.str(1) << endl;//打印第一個(gè)子表達(dá)式

參數(shù)0代表整個(gè)對(duì)應(yīng)的匹配，參數(shù)1表示第一個(gè)子表達(dá)式。

如，foo.cpp中，results.str(0)將保存foo.cpp，results.str(1)將保存foo。

子表達(dá)式用于數(shù)據(jù)驗(yàn)證

子表達(dá)式的一個(gè)常見用途是驗(yàn)證必須匹配特定格式的數(shù)據(jù)。

eg:匹配聯(lián)通號(hào)碼

中國(guó)聯(lián)通號(hào)段：130、131、132、145、155、156、166、175、176、185、186、196

使用開源工具Regulex實(shí)現(xiàn)正則表達(dá)式設(shè)計(jì)可視化。

void test02()
{
	//匹配聯(lián)通號(hào)碼
	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;	
	}
}

結(jié)果：

1451234567817612345678

解釋：

在模式UnicomNumber中，有4個(gè)子表達(dá)式

此外，"\b"匹配單詞邊界，可以理解為空格與單詞的分界線。"\d"匹配任意數(shù)字。[]內(nèi)表示多選一，{n}表示匹配n個(gè)，子表達(dá)式內(nèi)"|"表示或。

并且，在正則表達(dá)式語(yǔ)法中"\“具有轉(zhuǎn)義作用，在C++中也有轉(zhuǎn)義作用，因此，為了得到正則表達(dá)式中的”\"，需要在string中額外加一個(gè)"\"。所以我們的表達(dá)式中會(huì)有"\\b"和"\\d"。

在正則匹配過(guò)程中，迭代器查找每一個(gè)號(hào)碼，進(jìn)行分析

子匹配操作

ssub_match的相關(guān)操作

添加一段代碼，測(cè)試一下matched成員

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;
}

結(jié)果

14512345678
        1
17612345678
        1

這里的matched為true表示匹配到了，當(dāng)然，UnicomNumber的子表達(dá)式并非是可選匹配的(用"?"跟在一個(gè)表達(dá)式后表示可以有1個(gè)或0個(gè)該表達(dá)式)，所以它的四個(gè)子表達(dá)式全部匹配到了，若是可選表達(dá)式，可能會(huì)出現(xiàn)matched為false的情況。

regex_replace

正則表達(dá)式不僅用在查找給定序列方面，當(dāng)我們想將查找到的序列替換為另一個(gè)序列時(shí)，可使用regex_replace。

eg:格式化輸出電話號(hào)碼

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;
}

結(jié)果：

145 1234 5678

解釋：

使用"$"后跟子表達(dá)式的索引號(hào)來(lái)表示一個(gè)特定的子表達(dá)式。

在"$1$2 $3 $4"中，希望子表達(dá)式1和2在一起，跟子表達(dá)式3和4之間都使用空格(" ")隔開。

參考資料

《C++ Primer 第5版》

總結(jié) 

到此這篇關(guān)于C++使用正則表達(dá)式的文章就介紹到這了,更多相關(guān)C++正則表達(dá)式使用內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論