正则表达式简介及在C++11中的简单使用

转载

shixin_0125 2022-09-27 15:48:09

正则表达式是一种文本模式。正则表达式是强大、便捷、高效的文本处理工具。正则表达式本身，加上如同一门袖珍编程语言的通用模式表示法(general pattern notation)，赋予使用者描述和分析文本的能力。配合上特定工具提供的额外支持，正则表达式能够添加、删除、分离、叠加、插入和修整各种类型的文本和数据。

完整的正则表达式由两种字符构成：特殊字符(special characters)称为”元字符”(meta characters)，其它为”文字”(literal)，或者是普通文本字符(normal text characters，如字母、数字、汉字、下划线)。正则表达式的元字符提供了更强大的描述能力。

和文本编辑器一样，绝大多数高级编程语言均支持正则表达式，如Perl、Java、Python、C/C++，这些语言都有各自的正则表达式包。

一个正则表达式仅仅为一个字符串，它没有长度限制。“子表达式”指的是整个正则表达式中的一部分，通常是括号内的表达式，或者是由”|”分割的多选分支。

默认情况下，表达式中的字母是要区分大小写的。

常用的元字符：

1. “.”：匹配除"\n"之外的任何单个字符，若要匹配包括"\n"在内的任意字符，需使用诸如"[\s\S]"之类的模式；

2. “^”：匹配输入字符串的开始位置，不匹配任何字符，要匹配”^”字符本身，需使用”\^”；

3. “$”：匹配输入字符串结尾的位置，不匹配任何字符，要匹配”$”字符本身，需使用”\$”；

4. “*”：零次或多次匹配前面的字符或子表达式，”*”等效于”{0,}”，如”\^*b”可以匹配”b”、”^b”、”^^b”、…；

5. “+”：一次或多次匹配前面的字符或子表达式，等效于”{1,}”，如”a+b”可以匹配”ab”、”aab”、”aaab”、…；

6. “?”：零次或一次匹配前面的字符或子表达式，等效于”{0,1}”，如”a[cd]?”可以匹配”a”、”ac”、”ad”；当此字符紧随任何其他限定符”*”、”+”、”?”、”{n}”、”{n,}”、”{n,m}”之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"；

7. “|”：将两个匹配条件进行逻辑"或"(Or)运算,如正则表达式”(him|her)”匹配"itbelongs to him"和"it belongs to her"，但是不能匹配"itbelongs to them."；

8. “\”：将下一字符标记为特殊字符、文本、反向引用或八进制转义符，如，”n”匹配字符”n”,”\n”匹配换行符，序列”\\”匹配”\”,”\(“匹配”(“；

9. “\w”：匹配字母或数字或下划线，任意一个字母或数字或下划线，即A~Z，a~z,0~9,_中任意一个；

10. “\W”：匹配任意不是字母、数字、下划线的字符；

11. “\s”：匹配任意的空白符，包括空格、制表符、换页符等空白字符的其中任意一个，与”[ \f\n\r\t\v]”等效；

12. “\S”：匹配任意不是空白符的字符，与”[^\f\n\r\t\v]”等效；

13. “\d”：匹配数字，任意一个数字，0~9中的任意一个，等效于”[0-9]”；

14. “\D”：匹配任意非数字的字符，等效于”[^0-9]”；

15. “\b”：匹配一个字边界，即字与空格间的位置，也就是单词和空格之间的位置，不匹配任何字符，如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er";

16. “\B”：非字边界匹配,"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"；

17. “\f”：匹配一个换页符，等价于”\x0c”和”\cL”；

18. “\n”：匹配一个换行符，等价于”\x0a”和”\cJ”；

19. “\r”：匹配一个回车符，等价于”\x0d”和”\cM”；

20. “\t”：匹配一个制表符，等价于”\x09”和”\cI”；

21. “\v”：匹配一个垂直制表符，等价于”\x0b”和”\cK”；

22. “\cx”：匹配”x”指示的控制字符,如，\cM匹配Control-M或回车符，”x”的值必须在”A-Z”或”a-z”之间,如果不是这样，则假定c就是"c"字符本身；

23. “{n}”：”n”是非负整数，正好匹配n次，如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配；

24. “{n,}”：”n”是非负整数,至少匹配n次,如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有”o”，"o{1,}"等效于"o+"，"o{0,}"等效于"o*"；

25. “{n,m}”：”n”和”m”是非负整数，其中n<=m，匹配至少n次，至多m次，如，"o{1,3}"匹配"fooooood"中的头三个o，'o{0,1}'等效于'o?'，注意,不能将空格插入逗号和数字之间；如”ba{1,3}”可以匹配”ba”或”baa”或”baaa”；

26. “x|y”：匹配”x”或”y”，如，”z|food”匹配"z"或"food"；”(z|f)ood”匹配"zood"或"food"；

27. “[xyz]”：字符集，匹配包含的任一字符，如，"[abc]"匹配"plain"中的"a";

28. “[^xyz]”：反向字符集，匹配未包含的任何字符，匹配除了”xyz”以外的任意字符，如，"[^abc]"匹配"plain"中的"p"；

29. “[a-z]”：字符范围，匹配指定范围内的任何字符，如，"[a-z]"匹配"a"到"z"范围内的任何小写字母；

30. “[^a-z]”：反向范围字符，匹配不在指定的范围内的任何字符，如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符；

31. “( )”：将”(“和”)”之间的表达式定义为”组”group，并且将匹配这个表达式的字符保存到一个临时区域,一个正则表达式中最多可以保存9个，它们可以用”\1”到”\9”的符号来引用；

32. “(pattern)”：匹配pattern并捕获该匹配的子表达式，可以使用$0…$9属性从结果”匹配”集合中检索捕获的匹配；

33. “(?:pattern)”：匹配pattern但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配，这对于用”or”字符” (|)”组合模式部件的情况很有用, 如，”industr(?:y|ies)”是比”industry|industries”更简略的表达式；

34. “(?=pattern)”：非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始；

35. “(?!pattern)”：非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"；

要匹配某些特殊字符，需在此特殊字符前面加上”\”，如要匹配字符”^”、”$”、”()”、”[]”、”{}”、”.”、”?”、”+”、”*”、”|”，需使用” \^”、” \$”、” \ (“、”\)”、” \ [“、”\]”、” \{“、”\}”、” \.”、” \?”、” \+”、” \*”、” \|”。

在C++/C++11中，GCC版本是4.9.0及以上，VS版本为VS2013及以上时，会有regex头文件，此头文件中会有regex_match、regex_search、regex_replace等函数可供调用，以下是测试代码：

[cpp] 
    view plain
     copy
1. #include "regex.hpp"
2. #include <regex>
3. #include <string>
4. #include <vector>
5. #include <iostream>
6. 
7. int
8. {
9. "\\d{3}-\\d{8}|\\d{4}-\\d{7}" }; // fixed telephone
10. std::regex re(pattern);
11. 
12. "010-12345678", "0319-9876543", "021-123456789"};
13. 
14. /* std::regex_match:
15. 判断一个正则表达式(参数re)是否匹配整个字符序列str,它主要用于验证文本
16. 注意，这个正则表达式必须匹配被分析串的全部，否则返回false;如果整个序列被成功匹配，返回true
17. */
18. 
19. for
20. bool
21. if (ret) fprintf(stderr, "%s, can match\n", tmp.c_str());
22. else fprintf(stderr, "%s, can not match\n", tmp.c_str());
23. }
24. 
25. return
26. }
27. 
28. int
29. {
30. "http|hppts://\\w*$"
31. std::regex re(pattern);
32. 
33., "https://github.com/fengbingchun",
34. "abcd://124.456", "abcd https://github.com/fengbingchun 123"
35. 
36. /* std::regex_search:
37. 类似于regex_match,但它不要求整个字符序列完全匹配
38. 可以用regex_search来查找输入中的一个子序列，该子序列匹配正则表达式re
39. */
40. 
41. for
42. bool
43. if (ret) fprintf(stderr, "%s, can search\n", tmp.c_str());
44. else fprintf(stderr, "%s, can not search\n", tmp.c_str());
45. }
46. 
47. return
48. }
49. 
50. int
51. {
52. "[a-zA-z]+://[^\\s]*"
53. std::regex re(pattern);
54. 
55. "my csdn blog addr is: , my github addr is: https://github.com/fengbingchun "
56. std::smatch results;
57. while
58. for
59. " ";
60. std::cout << std::endl;
61. str = results.suffix().str();
62. }
63. 
64. return
65. }
66. 
67. int
68. {
69. "\\d{18}|\\d{17}X" }; // id card
70. std::regex re(pattern);
71. 
72. "123456789012345678", "abcd123456789012345678efgh",
73. "abcdefbg", "12345678901234567X"
74. "********"
75. 
76. /* std::regex_replace:
77. 在整个字符序列中查找正则表达式re的所有匹配
78. 这个算法每次成功匹配后，就根据参数fmt对匹配字符串进行替换
79. */
80. 
81. for
82. std::string ret = std::regex_replace(tmp, re, fmt);
83. "src: %s, dst: %s\n", tmp.c_str(), ret.c_str());
84. }
85. 
86. return
87. }
88. 
89. int
90. {
91. // reference: http://www.cplusplus.com/reference/regex/regex_replace/
92. "there is a subsequence in the string\n");
93. "\\b(sub)([^ ]*)");   // matches words beginning by "sub"
94. 
95. // using string/c-string (3) version:
96. "sub-$2");
97. 
98. // using range/c-string (6) version:
99. std::string result;
100. "$2");
101. std::cout << result;
102. 
103. // with flags:
104. "$1 and $2", std::regex_constants::format_no_copy);
105. std::cout << std::endl;
106. 
107. return
108. }