一、什么是正则表达式
正则表达式（regular expression）又称 规则表达式，是一种文本模式（pattern）。正则表达式使用一个字符串来描述、匹配具有相同规格的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。正则表达式的核心功能就是处理文本。正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。
C++ 标准库从 C++ 11 开始提供了正则表达式（Regular Expressions）的支持，通过 <regex> 头文件来实现。C++ 的正则表达式库提供了一组类和函数，用于处理正则表达式匹配、搜索和替换操作。
-
正则表达式对象 ：使用
std::regex类定义一个正则表达式对象。 -
匹配操作 ：
std::regex_match()方法：用于检查一个字符串是否与一个正则表达式匹配。std::regex_search()方法：用于搜索字符串中与正则表达式匹配的部分。std::regex_replace()方法：用于替换与正则表达式匹配的文本。std::sregex_iterator迭代器类：用于遍历字符串中所有与正则表达式匹配的子串。返回一个std::smatch对象，后者用于存储匹配结果。
-
匹配结果 ：使用
std::smatch类来存储匹配结果，它包含匹配的子串和相关信息。
在 C++ 中，主要有两种方法完成模式匹配：“搜索”（searching），即在字符串任意部分中搜索匹配的模式；而 “匹配”（matching）是指判断一个字符串能否从起始处全部匹配某个模式。搜索通过 regex_search() 函数或方法来实现，而匹配是调用 regex_match() 函数或方法实现。
regex_match() 函数总是从字符串的起始部分对模式进行全部匹配。如果匹配成功，就返回 true；如果匹配失败，就返回 false。
bool regex_match(const std::string& text, const std::regex& e);
bool regex_match(const std::string& text, std::smatch& match, const std::regex& e);
- 参数
text是要进行匹配的输入字符串。 - 参数
e是std::regex对象，代表正则表达式。 - 参数
match是std::smatch对象（或与std::smatch类似的类型），用于存储匹配的结果信息。当使用std::smatch时，它会包含整个匹配的信息以及任何分组（括号中的子匹配）。
regex_search() 的工作方式与 regex_match() 完全一致，不同之处在于 regex_search() 会用它的字符串参数，在任意位置对给定正则表达式模式搜索第一次出现的匹配情况。如果搜索到成功的匹配，就会返回 true；否则，返回 false。
bool regex_search(const std::string& text, const std::regex& e);
bool regex_search(const std::string& text, std::smatch& match, const std::regex& e);
- 参数
text是要进行匹配的输入字符串。 - 参数
e是std::regex对象，代表正则表达式。 - 参数
match是std::smatch对象（或与std::smatch类似的类型），用于存储匹配的结果信息。当使用std::smatch时，它会包含整个匹配的信息以及任何分组（括号中的子匹配）。
std::regex_replace() 函数用于替换字符串中与正则表达式匹配的文本。
regex_replace(const std::string& text, const std::regex& e, const std::string& replace_text);
regex_replace(const std::string& text, const std::regex& e, const std::string& replace_text, int flags = 0);
- 参数
text是要进行匹配的输入字符串。 - 参数
e是std::regex对象，代表正则表达式。 - 参数
replace_text是要替换的字符串。 - 参数
flags用于指定额外的选项。
std::regex_replace 命名空间中定义了许多宏用来指定替换方式。
std::regex_constants::format_first_only：只替换第一个匹配项。std::regex_constants::format_all：替换所有匹配项。std::regex_constants::format_no_copy：不创建新字符串，而是直接修改输入字符串。
std::regex_replace 函数返回一个输出迭代器，指向替换后的字符串的第一个字符。你可以将这个输出迭代器用于输出流，或者将替换后的字符串存储在另一个字符串变量中。
由此可见，regex_match() 试图从字符串的起始部分开始匹配模式，而 regex_search() 函数不但会搜索模式在字符串中第一次出现的位置，而且严格地对字符串从左到右搜索。
std::sregex_iterator 类的构造函数有多个重载版本，但通常使用的是以下两个版本：
std::sregex_iterator(const std::string::const_iterator& first, const std::string::const_iterator& last, const std::regex& e);
std::sregex_iterator(const std::string& s, const std::regex& e);
- 参数
first指向搜索开始的位置。 - 参数
last指向搜索结束的位置。 - 参数
e是std::regex对象，代表正则表达式。 - 参数
s是 一个std::string对象，用于定义搜索的范围。
字符串的匹配：
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "小樱同学";string pattern = "小樱";regex expression(pattern);smatch match;if (regex_match(text, match, expression)){cout << "Found a match: " << match.str() << endl;}else{cout << "No match found." << endl;}return 0;
}
字符串的搜索：
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "小樱同学";string pattern = "同学";regex expression(pattern);smatch match;if (regex_search(text, match, expression)) {cout << "Found a match: " << match.str() << endl;cout << "Match position: " << match.position() << endl;cout << "Match prefix: " << match.prefix() << endl;cout << "Match suffix: " << match.suffix() << endl;} else {cout << "No match found." << endl;}return 0;
}
字符串的替换：
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "你好啊，小樱同学！从现在开始你就是我的朋友啊。小樱同学，请多多关照。";string pattern = "同学";regex expression(pattern);smatch match;cout << regex_replace(text, expression, "同志") << endl;return 0;
}
二、基础语法
2.1、转义字符
使用正则表达式去检索某些特殊字符的时候，需要用到转义字符，否则检索不到结果，甚至会报错；在 C++ 中，\ 具有转义的意思，会对紧随其后的字符进行转义，如果我们想使用普通的 \ ，需要在使用一个 \ 对它进行转义。
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "abc$def(123(456))";string pattern = "\\(456";regex expression(pattern);smatch match;if (regex_search(text, match, expression)){cout << "Found a match: " << match.str() << endl;}else{cout << "No match found." << endl;}return 0;
}
由于在 C++ 字符串字面量中反斜杠是一个转义字符，所以在构建模式串时，你需要使用两个反斜杠来表示一个反斜杠。在这个模式串中，我们使用了两次反斜杠 \\ 来转义左括号 (。这里推荐使用推荐原始字符串字面量，这样可以不需要转义反斜杠。
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "abc$def(123(456))";string pattern = R"(\(456)";regex expression(pattern);smatch match;if (regex_search(text, match, expression)){cout << "Found a match: " << match.str() << endl;}else{cout << "No match found." << endl;}return 0;
}在 C++ 字符串字面量中，反斜杠本身也是一个转义字符，所以我们需要使用两个反斜杠
\\来表示一个真正的反斜杠\。需要用到转义符号的常见字符如下：. * + ( ) $ / \ ? [ ] ^ { }
2.2、字符匹配符
| 字符匹配符 | 含义 | 实例 | 解释 |
|---|---|---|---|
[] | 可接收的字符列表 | [abc] | a、b、c 中的任意 1 个字符 |
[^] | 不可接收的字符列表 | [^abc] | 除 a、b、c 之外的任意 1 个字符 包括数字和特殊符号 |
- | 连字符 | a-z | 任意一个小写字母 |
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "abc123def4567AbC";regex expression1("[abc]");regex expression2("[^abc]");regex expression3("[a-z]");smatch match;if (regex_search(text, match, expression1)){cout << "Match found: " << match.str() << endl;}if (regex_search(text, match, expression2)){cout << "Match found: " << match.str() << endl;}if (regex_search(text, match, expression3)){cout << "Match found: " << match.str() << endl;}return 0;
}
2.3、元字符
| 元字符 | 含义 |
|---|---|
. | 匹配单个除换行符以外的任意字符 |
\d | 匹配 0~9 任意一个数字 |
\D | 匹配单个任意非数字字符 |
\s | 匹配任意空白字符 |
\S | 匹配任意不是空白符的字符 |
\w | 匹配字母或数字或下划线的任意字符 |
\W | 匹配任意不是字母、数字、下划线的字符 |
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "abc123def4567AbC";regex expression1(R"(\d\d\d)");regex expression2("\\d\\w");smatch match;// 使用 sregex_iterator 遍历所有匹配的结果for (sregex_iterator it(text.begin(), text.end(), expression1), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}cout << endl;for (sregex_iterator it(text.begin(), text.end(), expression2), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}return 0;
}
元字符的大写表示不匹配；
2.4、重复限定符
重复限定符用于指定其前面的字符和组合项连续出现多少次。
| 重复限定符 | 意义 |
|---|---|
? | 0 次 或 1 次 |
* | 0 次 或 多次 |
+ | 1 次 或 多次 |
{n} | 正好出现 n 次 |
{n,} | 至少出现 n 次 |
{n,m} | 出现 n 次 至 m 次 |
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "abc123def4567AbC89d115200a1";regex expression1(R"(\d{3,5})");regex expression2(R"(\d+)");smatch match;// 使用 sregex_iterator 遍历所有匹配的结果for (sregex_iterator it(text.begin(), text.end(), expression1), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}cout << endl;for (sregex_iterator it(text.begin(), text.end(), expression2), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}return 0;
}
2.5、定位符
定位符，用来指定要匹配的字符串出现的位置。
| 定位符 | 含义 |
|---|---|
^ | 指定起始字符 |
$ | 指定结束字符 |
\b | 匹配目标字符串的边界， 边界指的是字串间有空格，或者目标字符串的结束位置 |
\B | 匹配非单词边界 |
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "abc123 def4567abc123abc abc89 d115200 a1abc";regex expression1("^abc");regex expression2("abc$");regex expression3(R"(abc\b)");regex expression4(R"(^ab\B)");smatch match;// 使用 sregex_iterator 遍历所有匹配的结果for (sregex_iterator it(text.begin(), text.end(), expression1), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}cout << endl;for (sregex_iterator it(text.begin(), text.end(), expression2), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}cout << endl;for (sregex_iterator it(text.begin(), text.end(), expression3), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}cout << endl;for (sregex_iterator it(text.begin(), text.end(), expression4), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}return 0;
}
2.6、选择匹配符
正则表达式用符号 | 来表示或，也叫做分支条件，当满足正则表达里的分支条件的任何一种条件时，都会当成匹配成功。
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "你好啊，小樱同学，欢迎你加入小樱班，从现在开始你就是我的朋友啊，小樱同志，请多多关照。";regex expression("小樱同学|小樱同志");smatch match;// 使用 sregex_iterator 遍历所有匹配的结果for (sregex_iterator it(text.begin(), text.end(), expression), end; it != end; ++it) {match = *it;cout << "Found match: " << match.str() << " at position: " << match.position() << endl;}return 0;
}
2.6、分组组合
重复限定符是作用在与它相邻的最左边的一个字符。正则表达式中可以使用小括号 () 来做分组，也就是括号中的内容会作为一个整体。
2.6.1、捕获分组
我们可以使用 std::smatch 类来获取匹配结果。正则表达式字符串中的第一对括号是第 1 组，第二对括号是第 2 组，依次类推。使用 match[i] 就可以取得匹配文本的不同部分。match[0]返回这个匹配的文本。
| 捕获分组 | 说明 |
|---|---|
(pattern) | 非命名捕获。捕获匹配的子字符串。编号为零的第一个捕获是由整个正则表达式模式匹配的文本，其它捕获结果则根据左括号的顺序从 1 开始自动编号。 |
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "我是小樱，我的身份证明是37028419860401232X";string pattern = R"(\d{6}(\d{4})(\d{2})(\d{2})\d{3}[\dX])";regex expression(pattern);smatch match;// 使用std::sregex_iterator遍历所有匹配项 for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression); i != sregex_iterator(); ++i) { match = *i; // match[0] 包含整个匹配项 // match[1] 是第一个捕获组// match[2] 是第二个捕获组cout << "整个匹配项: " << match[0] << endl;for (int i = 1; i < match.size(); i++){cout << "第" << i << "个捕获组: " << match[i] << endl;}} return 0;
}
2.6.2、非捕获分组
| 非捕获分组 | 说明 |
|---|---|
(?: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，不存储以后使用的匹配。 例如：“小樱(?:同学|同志)” 等价于 “小樱同学|小樱同志” |
(?=pattern) | 它是一个非捕获匹配。 例如：“Harmony(?=2|3)” 匹配 “Harmony2” 中的 “Harmony”，但不匹配 “Harmony1” 中的 “Harmony” |
(?!pattern) | 该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配。 例如：“Harmony(?=2|3)” 匹配 “Harmony1” 中的 “Harmony”，但不匹配 “Harmony2” 中的 “Harmony” |
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "你好啊，小樱同学，欢迎你加入小樱班，从现在开始你就是我的朋友啊，小樱同志，请多多关照。";regex expression1("小樱(?:同学|同志)");regex expression2("小樱(?=同学|同志)");regex expression3("小樱(?!同学|同志)");smatch match;// 使用std::sregex_iterator遍历所有匹配项 for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression1); i != sregex_iterator(); ++i) { match = *i; cout << "整个匹配项: " << match[0] << endl;}cout << endl;for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression2); i != sregex_iterator(); ++i) { match = *i; cout << "整个匹配项: " << match[0] << endl;}cout << endl;for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression3); i != sregex_iterator(); ++i) { match = *i; cout << "整个匹配项: " << match[0] << endl;}return 0;
}
2.7、非贪婪匹配
当 ? 元字符紧随任何其它限定符 （*、+、?、{n}、{n,}、{n,m}）之后，匹配模式是 “非贪婪匹配”。非贪婪匹配搜索到、尽可能短的字符串。而默认的贪婪匹配搜索到的尽可能长的字符串。
#include <iostream>
#include <regex>using namespace std;int main(void)
{string text = "abc111111abc";// 贪婪匹配regex expression1(R"(\d{3,5})");// 非贪婪匹配regex expression2(R"(\d{3,5}?)");smatch match;// 使用std::sregex_iterator遍历所有匹配项 for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression1); i != sregex_iterator(); ++i) { match = *i; cout << "整个匹配项: " << match[0].str() << endl;}cout << endl;for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression2); i != sregex_iterator(); ++i) { match = *i; cout << "整个匹配项: " << match[0].str() << endl;}return 0;
}
