下面的内容参考《C++程序设计原理与实践》~~~C++:Regex正则表达式C++:Regex正则表达式

正则表达式的特性分成很多种类,下面的内容是perl类型的Regex。

特殊含义的字符

1
2
3
4
5
6
7
8
9
10
11
.  :任意单个字符   
[] :字符集
{} :计数
() :子模式
\ :下一个字符具有特殊含义
* :0个或多个
+ :一个或多个
? :0个或一个
| :或
^ :行的开始;否定
$ :行的结束

字符集

1
2
3
4
5
6
7
8
9
10
\d :一个十进制数字   
\l :一个小写字母
\s :一个空白符(空格符,制表符等)
\u :一个大写字母
\w :一个字母(a~z或A~Z)或数字(0~9)或下划线(_)
\D :除了\d之外的字符
\L :除了\l之外的字符
\S :除了\s之外的字符
\U :除了\u之外的字符
\W :除了\w之外的字符

重复

1
2
3
4
5
6
{n}  :严格重复n次   
{n,} :重复n次或更多次
{n,m}:重复至少n次,至多m次
* :{0,}
+ :{1,}
? :{0,1}

子模式

1
2
为了指定模式中的子模式,用括号将其括起来   
(\d*:)?(\d+):它表示字符串前半部分可以为空,若非空,则是任意长度的数字后接一个冒号,后半部分是一个或多个数字的序列。

可选项

1
2
| 表示二选一的概念。   
Subject:(FW:| Re:):表示匹配Subject:Fw:或者是Subject:Re:

正则表达式错误

1
2
3
4
5
当我们将一个模式富裕regex时,它会对模式进行检查,如果发现模式不合法或过于复杂,无法用于匹配时,它会抛出一个bad_expression异常。

下面是一个常用的套路,比较稳~~~
C++:Regex正则表达式
注意一点,编译的时候要指定链接:g++ -Wall -lboost_regex test.cpp -o chen

正则表达式方法

(1)regex_match:确定一行字符串是否和指定的正则表达式完全匹配

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
//检查模式是否匹配
#include <boost/regex.hpp>
#include <iostream>
#include <string>

using namespace std;
using namespace boost;

int main()
{
// "\w+\s*(\w+,\d+\s*)*"
regex pattern("\\w+\\s*(\\(\\w+,\\d+\\)\\s*)*");
cout << pattern << endl;

string str_1 = "chen (chen,0) (huan,1) (jiang,2)";
string str_2 = "chen(chen,0)(huan,1)(jiang,2)";
string str_3 = "chen";
string str_4 = "(chen,0)(huan,1)(jiang,2)";
string str_5 = "chen (chen,0) (huan,1)(jiang,2) chen";

vector<string> strings;
strings.push_back(str_1); strings.push_back(str_2);
strings.push_back(str_3); strings.push_back(str_4);
strings.push_back(str_5);

for(int n = 0 ; n < 5 ; ++n)
if(regex_match(strings[n], pattern))
cout << strings[n] << " is matched" << endl;
return 0;
}

output:

1
2
3
4
\w+\s*(\w+,\d+\s*)*
chen (chen,0) (huan,1) (jiang,2) is matched
chen(chen,0)(huan,1)(jiang,2) is matched
chen is matched
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
//regex_match不仅验证是否匹配,而且可以从中提取出正则表达式括号对应的子串
#include <boost/regex.hpp>
#include <iostream>
#include <string>

using namespace std;
using namespace boost;

int main()
{
// "\w+\s*(\w+,\d+\s*)*"
regex pattern("\\w+\\s*((\\(\\w+,\\d+\\)\\s*)*)");
cout << pattern << endl;

string str_1 = "chen (chen,0) (huan,1) (jiang,2)";

smatch mat;
if(regex_match(str_1, mat, pattern))
for(smatch::iterator iter=mat.begin() ; iter!=mat.end() ; ++iter)
cout << *iter <<endl;

return 0;
}

output:

1
2
3
4
\w+\s*((\w+,\d+\s*)*)
chen (chen,0) (huan,1) (jiang,2)
(chen,0) (huan,1) (jiang,2)
(jiang,2)

注意,这个的regex表达式和上面的不同,将后面的子串(\w+,\d+\s)通过括号合并成一个完整的子串。

(2)regex_search:regex_match是验证是否完全匹配,而regex_search是从一大串string中找出匹配的一小段字符串

1
2
3
4
5
6
7
8
9
10
11
12
13
14
int main()
{
regex pattern("\\d+");
cout << pattern << endl;

string str_1 = "chen1234huan12345jiang1234567";

smatch mat;
if(regex_search(str_1, mat, pattern))
for(smatch::iterator iter=mat.begin() ; iter!=mat.end() ; ++iter)
cout << *iter <<endl;

return 0;
}

output:

1
2
1234
`

可以看出,regex_search是匹配到字符串中第一个符合条件的模式便会返回。

下面的方法可以将字符串中所有匹配到的模式,全部提取出来,如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
int main()
{
regex pattern("\\d+");
cout << pattern << endl;

string str_1 = "chen1234huan12345jiang1234567";
string::const_iterator start = str_1.begin();
string::const_iterator end = str_1.end();

smatch mat;
while(regex_search(start, end, mat, pattern))
{
string msg(mat[0].first, mat[0].second);
cout << msg << endl;
start = mat[0].second;
}
return 0;
}

output:

1
2
3
4
\d+
1234
12345
1234567

(3)关于regex::smatch类型
smatch类型,前缀s表示”子匹配”的概念。一个smatch本质上是一个子匹配的向量。第一个元素是完整匹配。如果i < smatch.size(),我们将smatch[i]当做一个字符串。对于一个正则表达式,如果最后N个子模式,则smatch.size() = N+1(因为有一个完整的匹配)。

模式中任何放在括号中的内容都可以作为一个子模式,可以看下面这个例子:

1
2
3
4
5
6
7
8
9
10
Expression: (ftp|http|https):\/\/((\w+\.)*(\w*))\/([\w\d]+\/{0,1})+  

String: http://www.foo.com/bar

matches[0] = http://www.foo.com/bar
matches[1] = http
matches[2] = www.foo.com
matches[3] = foo.
matches[4] = com
matches[5] = bar