C++11 新增了正则表达式的标准库支持，本文简介 C++ 正则表达式的使用
在 C++ 中使用正则表达式，和其它语言差别不大
int main() {regex e("abc*");bool m = regex_search("abccc", e);// 输出 yescout << (m ? "yes" : "no") << endl;
}
C++11 自带了 6 种正则表达式语法的支持
- ECMAScript
- basic
- extended
- awk
- grep
- egrep
C++11 默认使用 ECMAScript 语法，这也是 6 种语法中最强大的，假如想使用其他 5 种语法，只需在声明 regex 对象时指定即可
regex e("^a.", regex_constants::grep);
假如我们不仅仅想知道一个正则表达式是否匹配一个字符串，我们还想要提取出匹配的部分，例如我们需要从邮箱中提取用户名和网址，就需要用到 match_results
int main() {string str("Email a@bc.com abc");// 等同于 match_results<string>smatch m; regex e("([[:w:]]+)@([[:w:]]+.com)");bool found = regex_search(str, m, e);// m.size=3, 存储了 3 个 resultcout << "m.size=" << m.size() << endl;/* 迭代 match_results, 输出m[0]=a@bc.com (整个匹配)m[1]=a (第1个group)m[2]=bc.com (第2个group)*/for (int n=0; n<m.size(); n++){cout << "m[" << n << "]=" << m[n].str() << endl;//等价写法 m.str(n), *(m.begin()+n) }// m.prefix=Emailcout << "m.prefix=" << m.prefix().str() << endl;// m.suffix= is minecout << "m.suffix=" << m.suffix().str() << endl;
}
假如我们想要匹配的字符串中，有多个子串都可以匹配正则表达式，并且我们想把这些子串全部找出来，例如一个字符串中包含多个邮箱地址，那么就需要用到 regex_iterator
int main() {string str("a@bc.com, d@ef.com, aa@b.com");regex e("([[:w:]]+)@([[:w:]]+.com)");sregex_iterator pos(str.cbegin(), str.cend(), e); // 定义 regex_iteraror// C++惯例: 默认构造的迭代器表示序列结束sregex_iterator end;/*
email=a@bc.com, user=a, domain=bc.com
email=d@ef.com, user=d, domain=ef.com
email=aa@bb.com, user=aa, domain=b.com
*/for (; pos!=end; pos++) {cout << "email=" << pos->str(0) << ", user=" << pos->str(1) << ", domain=" << pos->str(2) << endl;}
}
如上我们可以看到，regex_iterator 其实就是迭代字符串中所有正则表达式匹配的 match_results。
除此之外，C++ 还提供了另一种跌到器, regex_token_iterator。不同的是，regex_token_iterator 迭代的是所有正则表达式匹配中的指定子表达式，或迭代未匹配的子字符串
int main() {string str("a@bc.com, d@ef.com, aa@bb.com");regex e("([[:w:]]+)@([[:w:]]+.com)");sregex_token_iterator pos(str.cbegin(), str.cend(), e); // 定义regex_token_iteratorsregex_token_iterator end; //序列结束/*Matched: a@bc.comMatched: d@ef.comMatched: aa@bb.com*/for (; pos!=end; pos++) {cout << "Matched: " << *pos << endl;}
}
我们可以修改 pos 的定义，使它每次迭代 match_results 的第 2 个 group
// 第 4 个参数表示第几个 group
sregex_token_iterator pos(str.cbegin(), str.cend(), e, 2
);
值得注意的是，如果我们把这里的参数设为 -1，则迭代字符串中所有不匹配正则表达式的部分，相当于用正则表达式切割字符串
int main() {string str("a bb cd");regex e("s+"); // 匹配空格// 迭代不匹配正则表达式的部分sregex_token_iterator pos(str.cbegin(), str.cend(), e, -1);sregex_token_iterator end;/*Matched: aMatched: bbMatched: cd*/for (; pos!=end; pos++) {cout << "Matched: " << *pos << endl;}
}
正则表达式还有一个常用的场景——字符串替换。C++ 中我们可以使用 regex_replace
int main() {string str("a@bc.com, d@ef.com, aa@bb.com");regex e("([[:w:]]+)@([[:w:]]+.com)");cout << regex_replace(str, e, "$1 is on $2");
}
输出为
a is on bc.com, d is on ef.com, aa is on bb.com本文主要翻译自 Bo Qian 的 YouTube 视频
C++ 11 Library: Regular Expression 1youtu.beC++ 11 Library: Regular Expression 2 -- Submatchyoutu.beC++ 11 Library: Regular Expression 3 -- Iteratorsyoutu.be
