当前位置:主页 > 软件编程 > C代码 >

C++使用正则表达式的详细教程

时间:2022-11-29 09:52:59 | 栏目:C代码 | 点击:

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<regex>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 <regex>
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:

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。

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:

145 1234 5678

解释:

使用"$"后跟子表达式的索引号来表示一个特定的子表达式。

在"$1$2 $3 $4"中,希望子表达式1和2在一起,跟子表达式3和4之间都使用空格(" ")隔开。

参考资料

《C++ Primer 第5版》

总结 

您可能感兴趣的文章:

相关文章