C++使用正則表達式的詳細教程

正則表達式

正則表達式(regular expression)是一種描述字符序列的方法，是一種極其強大的計算工具。

C++正則表達式庫(RE庫)定義在<regex>中，它包含多個組件。

RE庫組件

正則表達式的使用

#include <regex>
void test()
{
    //查找不是在字符c之後的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

上面的程序隻能查找第一個匹配到的單詞，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循環中定義瞭兩個迭代器，it負責尋找匹配的單詞，end_it是一個空迭代器，起到尾後迭代器的作用。

解引用迭代器會得到一個匹配結果的smatch對象。

除瞭得到匹配的smatch對象以外，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函數可以得到匹配之前和之後的ssub_match對象。

smatch相關操作

這些操作也適用於cmatch、wsmatch、wcmatch和對應的子匹配對象。

子表達式

正則表達式中的模式通常包含一個或多個子表達式(subexpression)。

一個子表達式是模式的一部分，本身也具有意義。

正則表達式語法同常用小括號表示子表達式。

eg: 可以使用子表達式來匹配文件擴展名

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

現在模式中有兩個小括號表示的子表達式：

• ([[:alnum:]]+) 匹配一個或多個數字字母序列
• (cpp|cxx|cc) 匹配cpp或cxx或cc等擴展名

通過使用str(n)來打印子表達式

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

參數0代表整個對應的匹配，參數1表示第一個子表達式。

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

子表達式用於數據驗證

子表達式的一個常見用途是驗證必須匹配特定格式的數據。

eg:匹配聯通號碼

中國聯通號段：130、131、132、145、155、156、166、175、176、185、186、196

使用開源工具Regulex實現正則表達式設計可視化。

void test02()
{
	//匹配聯通號碼
	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;	
	}
}

結果：

1451234567817612345678

解釋：

在模式UnicomNumber中，有4個子表達式

此外，"\b"匹配單詞邊界，可以理解為空格與單詞的分界線。"\d"匹配任意數字。[]內表示多選一，{n}表示匹配n個，子表達式內"|"表示或。

並且，在正則表達式語法中"\“具有轉義作用，在C++中也有轉義作用，因此，為瞭得到正則表達式中的”\"，需要在string中額外加一個"\"。所以我們的表達式中會有"\\b"和"\\d"。

在正則匹配過程中，迭代器查找每一個號碼，進行分析

子匹配操作

ssub_match的相關操作

添加一段代碼，測試一下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;
}

結果

14512345678
        1
17612345678
        1

這裡的matched為true表示匹配到瞭，當然，UnicomNumber的子表達式並非是可選匹配的(用"?"跟在一個表達式後表示可以有1個或0個該表達式)，所以它的四個子表達式全部匹配到瞭，若是可選表達式，可能會出現matched為false的情況。

regex_replace

正則表達式不僅用在查找給定序列方面，當我們想將查找到的序列替換為另一個序列時，可使用regex_replace。

eg:格式化輸出電話號碼

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;
}

結果：

145 1234 5678

解釋：

使用"$"後跟子表達式的索引號來表示一個特定的子表達式。

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

參考資料

《C++ Primer 第5版》

總結 

到此這篇關於C++使用正則表達式的文章就介紹到這瞭,更多相關C++正則表達式使用內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：

• C++中正則表達式的使用方法詳解
• 一篇文章帶你瞭解C++(STL基礎、Vector)
• C++字符數組、字符數組指針和string類
• C#正則表達式Regex類的用法
• Kotlin語言編程Regex正則表達式實例詳解