Cpp之旅（学习笔记）第10章字符串和正则表达式

10.1 引言

Cpp标准库提供了 string 类型，使用程序员不必在使用C风格的文本处理方式——通过指针来处理字符数组。
Cpp标准库还提供了 string_view 类型，允许程序以容器方式访问字符序列（ std::string 或者 char[] ）。
还提供了正则表达式匹配功能以查找文本中的模式。

10.2 字符串

string 是用于管理不同字符类型字符序列的 regular 类型。string 类型提供了很多有用的字符串处理操作：

例如：连接操作

string compose(const string& name, const string& domain) {return name + '@' + domain;
}
auto addr = compose("dmr", "bell-labs.com");
// 结果：dmr@bell-labs.com

函数 compose 中的字符串“加法”表示连接操作。

标准库 string 定义了一个移动构造函数，因此，即使是以传值方式而不是传引用方式返回一个很长的 string 也会很高效。

连接操作最常见的用法是在一个 string 的末尾追加一些内容。这可以直接通过 += 操作来实现。

void m2(string& s1, string& s2) {s1 = s1 + '\n';s2 += '\n';
}

除此之外，string 还支持下标操作（使用[]）和提取子串操作。

string name = "Niels Stroustrup";
void m3() {string s = name.substr(6,10);	// s = "Stroustrup"name.replace(0,5,"nicholas");	// name 变成 "nicholas Stroustrup"name[0] = toupper(name[0]);		// name 变成 "Nicholas Stroustrup"
}

substr()操作返回 string ，保存其参数指定的子字符串的拷贝。

substr()参数：

第一个参数是指向 string 中某个位置的下标。
第二个参数是指出所需子串的长度。

replace()操作替换子串内容。在本例中，要替换的是从0开始、长度为5的子串，即Niels，它被替换为nicholas。最后将首字母变为大写。

注意：替换的内容和被替换的子串不必一样长。

如果你需要一个C风格的字符串（一个以0结尾的 char 数组），string 提供了对其包含的 C 风格字符串进行只读访问的接口

void print(const string& s) {// s.c_str()返回一个指向s所拥有的字符的指针printf("For people who like printf: %s\n",s.c_str());cout << "For people who like streams: " << s << '\n';
}

根据定义，字符串字面量的类型是 const char *。

要想获得 std::string 类型的字面量可以加上 s 后缀。

要想使用s后缀，需要使用命名空间 `std::literals::string_literals。

例如：

auto cat = "Cat"s;		// std::string类型
auto dog = "Dog";		// 一个C风格字符串：const char* 类型

10.3 字符串视图

字符串视图（string_view）本质上就是一个（指针，长度）对，表明了一个字符串序列。

string_view 类型可以作为一个范围定义，因此可以用它来遍历字符。

void print_lower(string_view sv1)
{for(char ch : sv1)cout << tolower(ch);
}

string_view 类型的显著限制就在于它是只读的。

例如，如果函数需要将参数内容修改为小写。就不能使用 string_view 来传递字符串。这种情况下，需要考虑使用 span

string_view bad(){string s = "Once upon a time";return {&s[5],4};				// 糟糕，返回了局部数据的指针
}

10.4 正则表达式

标准库定义了 std::regex 类及其支持的函数，提供对正则表达式的支持。

regex pat {R"(\w{2}\s*\d{5}(-\d{4})?)"};	// 美国邮政编码模式：XXddddd-dddd// 以及其他变种

它指定了一个以两个字母开始的模式 \w{2}，后面是任意个空白符 \s*，在接下来是五个数字 \d{5}，然后是可选的一个破折号和四个数字 -\d{4}。

书中使用了原始字符串字面量，它以 R”( 开始，以 )“ 结束。

原始字符串字面量的好处是可以直接包含反斜线和引号而无需转义，因此非常适合表示正则表达式。

正则表达式常常包含大量反斜线，如果使用常规字符串，模式定义如下：

regex pat {"\\w{2}\\s*\\d{5}(-\\d{4})?"};

在<regex>中，标准库为正则表达式提供了如下支持：

regex_match()：将正则表达式与一个（已知长度的）字符串进行匹配。
regex_search()：在一个（任意长的）数据流中搜索与正则表达式匹配的字符串。
regex_replace()：在一个（任意长的）数据流中搜索与正则表达式匹配的字符串并将其替换。
regex_iterator：遍历匹配结果和子匹配。
regex_token_iterator：遍历未匹配部分。

10.5 正则表达式的符号表示

正则表达式的特殊字符	正则表达式的特殊字符
. 任意单个字符（”通配符“）	\ 下一个字符有特殊意义
[ 字符集开始	* 零或多次重复（后缀操作符）
] 字符集结束	+ 一次或多次重复（后缀操作符）
{ 指定重复次数开始	? 可选零或一次（后缀操作符）
} 指定重复次数结束	\| 二选一（或）
( 分组开始	^ 行开始；非
( 分组结束	$ 行结束