C++正则表达式

蔚落 2022-06-11 07:51 269阅读 0赞

正则表达式(regular expression)是计算机科学中的一个概念，又称规则表达式，通常简写为regex、regexp、RE、regexps、regexes、regexen。

正则表达式是一种文本模式。正则表达式是强大、便捷、高效的文本处理工具。正则表达式本身，加上如同一门袖珍编程语言的通用模式表示法(general pattern notation)，赋予使用者描述和分析文本的能力。配合上特定工具提供的额外支持，正则表达式能够添加、删除、分离、叠加、插入和修整各种类型的文本和数据。

完整的正则表达式由两种字符构成：

（1）特殊字符(special characters)称为”元字符”(meta characters)，其它为”文字”(literal)，

（2）普通文本字符(normal text characters，如字母、数字、汉字、下划线)。

正则表达式的元字符提供了更强大的描述能力。和文本编辑器一样，绝大多数高级编程语言均支持正则表达式，如Perl、Java、[Python][]、C/C++，这些语言都有各自的正则表达式包。

一个正则表达式仅仅为一个字符串，它没有长度限制。“子表达式”指的是整个正则表达式中的一部分，通常是括号内的表达式，或者是由”|”分割的多选分支。

默认情况下，表达式中的字母是要区分大小写的。

常用的元字符：

1. “.”： 匹配除"\\n"之外的任何单个字符，若要匹配包括"\\n"在内的任意字符，需使用诸如"\[\\s\\S\]"之类的模式；

2. “^”：匹配输入字符串的开始位置，不匹配任何字符，要匹配”^”字符本身，需使用”\\^”；

3. “$”：匹配输入字符串结尾的位置，不匹配任何字符，要匹配”$”字符本身，需使用”\\$”；

4. “\*”： 零次或多次匹配前面的字符或子表达式，”\*”等效于”\{0,\}”，如”\\^\*b”可以匹配”b”、”^b”、”^^b”、…；

5. “+”： 一次或多次匹配前面的字符或子表达式，等效于”\{1,\}”，如”a+b”可以匹配”ab”、”aab”、”aaab”、…；

6. “?”： 零次或一次匹配前面的字符或子表达式，等效于”\{0,1\}”，如”a\[cd\]?”可以匹配”a”、”ac”、”ad”； 当此字符紧随任何其他限定符”\*”、”+”、”?”、”\{n\}”、”\{n,\}”、”\{n,m\}”之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"；

7. “|”：将两个匹配条件进行逻辑"或"(Or)运算,如正则表达式”(him|her)”匹配"itbelongs to him"和"it belongs to her"，但是不能匹配"itbelongs to them."；

8. “\\”： 将下一字符标记为特殊字符、文本、反向引用或八进制转义符，如，”n”匹配字符”n”,”\\n”匹配换行符，序列”\\\\”匹配”\\”,”\\(“匹配”(“；

9. “\\w”：匹配字母或数字或下划线，任意一个字母或数字或下划线，即A~Z，a~z,0~9,\_中任意一个；

10. “\\W”：匹配任意不是字母、数字、下划线的字符；

11. “\\s”：匹配任意的空白符，包括空格、制表符、换页符等空白字符的其中任意一个，与”\[ \\f\\n\\r\\t\\v\]”等效；

12. “\\S”：匹配任意不是空白符的字符，与”\[^\\f\\n\\r\\t\\v\]”等效；

13. “\\d”：匹配数字，任意一个数字，0~9中的任意一个，等效于”\[0-9\]”；

14. “\\D”：匹配任意非数字的字符，等效于”\[^0-9\]”；

15. “\\b”： 匹配一个字边界，即字与空格间的位置，也就是单词和空格之间的位置，不匹配任何字符，如，"er\\b"匹配"never"中的"er"，但不匹配"verb"中的"er";

16. “\\B”： 非字边界匹配,"er\\B"匹配"verb"中的"er"，但不匹配"never"中的"er"；

17. “\\f”：匹配一个换页符，等价于”\\x0c”和”\\cL”；

18. “\\n”：匹配一个换行符，等价于”\\x0a”和”\\cJ”；

19. “\\r”：匹配一个回车符，等价于”\\x0d”和”\\cM”；

20. “\\t”：匹配一个制表符，等价于”\\x09”和”\\cI”；

21. “\\v”：匹配一个垂直制表符，等价于”\\x0b”和”\\cK”；

22. “\\cx”：匹配”x”指示的控制字符,如，\\cM匹配Control-M或回车符，”x”的值必须在”A-Z”或”a-z”之间,如果不是这样，则假定c就是"c"字符本身；

23. “\{n\}”：”n”是非负整数，正好匹配n次，如，"o\{2\}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配；

24. “\{n,\}”：”n”是非负整数,至少匹配n次,如，"o\{2,\}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有”o”，"o\{1,\}"等效于"o+"，"o\{0,\}"等效于"o\*"；

25. “\{n,m\}”：”n”和”m”是非负整数，其中n<=m，匹配至少n次，至多m次，如，"o\{1,3\}"匹配"fooooood"中的头三个o，'o\{0,1\}'等效于'o?'，注意,不能将空格插入逗号和数字之间；如”ba\{1,3\}”可以匹配”ba”或”baa”或”baaa”；

26. “x|y”：匹配”x”或”y”，如，”z|food”匹配"z"或"food"；”(z|f)ood”匹配"zood"或"food"；

27. “\[xyz\]”：字符集，匹配包含的任一字符，如，"\[abc\]"匹配"plain"中的"a";

28. “\[^xyz\]”：反向字符集，匹配未包含的任何字符，匹配除了”xyz”以外的任意字符，如，"\[^abc\]"匹配"plain"中的"p"；

29. “\[a-z\]”：字符范围，匹配指定范围内的任何字符，如，"\[a-z\]"匹配"a"到"z"范围内的任何小写字母；

30. “\[^a-z\]”：反向范围字符，匹配不在指定的范围内的任何字符，如，"\[^a-z\]"匹配任何不在"a"到"z"范围内的任何字符；

31. “( )”：将”(“和”)”之间的表达式定义为”组”group，并且将匹配这个表达式的字符保存到一个临时区域,一个正则表达式中最多可以保存9个，它们可以用”\\1”到”\\9”的符号来引用；

32. “(pattern)”：匹配pattern并捕获该匹配的子表达式，可以使用$0…$9属性从结果”匹配”集合中检索捕获的匹配；

33. “(?: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，不存储供以后使用的匹配，这对于用”or”字符” (|)”组合模式部件的情况很有用, 如，”industr(?:y|ies)”是比”industry|industries”更简略的表达式；

34. “(?=pattern)”： 非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始；

35. “(?!pattern)”： 非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"；

要匹配某些特殊字符，需在此特殊字符前面加上”\\”，如要匹配字符”^”、”$”、”()”、”\[\]”、”\{\}”、”.”、”?”、”+”、”\*”、”|”，需使用” \\^”、” \\$”、” \\ (“、”\\)”、” \\ \[“、”\\\]”、” \\\{“、”\\\}”、” \\.”、” \\?”、” \\+”、” \\\*”、” \\|”。

在C++/C++11中，GCC版本是4.9.0及以上，VS版本为VS2013及以上时，会有regex头文件，此头文件中会有regex\_match、regex\_search、regex\_replace等函数可供调用，以下是测试代码：

**\[cpp\]**  view plain  copy

print ?

1.  \#include "regex.hpp"
2.  \#include <regex>
3.  \#include <string>
4.  \#include <vector>
5.  \#include <iostream>
6.  
7.  int test\_regex\_match()
8.  \{
9.  std::string pattern\{ "\\\\d\{3\}-\\\\d\{8\}|\\\\d\{4\}-\\\\d\{7\}" \}; // fixed telephone
10. std::regex re(pattern);
11. 
12. std::vector<std::string> str\{ "010-12345678", "0319-9876543", "021-123456789"\};
13. 
14. /\* std::regex\_match:
15.  判断一个正则表达式(参数re)是否匹配整个字符序列str,它主要用于验证文本
16.  注意，这个正则表达式必须匹配被分析串的全部，否则返回false;如果整个序列被成功匹配，返回true
17.  \*/
18. 
19. for (auto tmp : str) \{
20. bool ret = std::regex\_match(tmp, re);
21. if (ret) fprintf(stderr, "%s, can match\\n", tmp.c\_str());
22. else fprintf(stderr, "%s, can not match\\n", tmp.c\_str());
23. \}
24. 
25. return 0;
26. \}
27. 
28. int test\_regex\_search()
29. \{
30. std::string pattern\{ "http|hppts://\\\\w\*$" \}; // url
31. std::regex re(pattern);
32. 
33. std::vector<std::string> str\{ "http://blog.csdn.net/fengbingchun", "https://github.com/fengbingchun",
34. "abcd://124.456", "abcd https://github.com/fengbingchun 123" \};
35. 
36. /\* std::regex\_search:
37.  类似于regex\_match,但它不要求整个字符序列完全匹配
38.  可以用regex\_search来查找输入中的一个子序列，该子序列匹配正则表达式re
39.  \*/
40. 
41. for (auto tmp : str) \{
42. bool ret = std::regex\_search(tmp, re);
43. if (ret) fprintf(stderr, "%s, can search\\n", tmp.c\_str());
44. else fprintf(stderr, "%s, can not search\\n", tmp.c\_str());
45. \}
46. 
47. return 0;
48. \}
49. 
50. int test\_regex\_search2()
51. \{
52. std::string pattern\{ "\[a-zA-z\]+://\[^\\\\s\]\*" \}; // url
53. std::regex re(pattern);
54. 
55. std::string str\{ "my csdn blog addr is: http://blog.csdn.net/fengbingchun , my github addr is: https://github.com/fengbingchun " \};
56. std::smatch results;
57. while (std::regex\_search(str, results, re)) \{
58. for (auto x : results)
59. std::cout << x << " ";
60. std::cout << std::endl;
61. str = results.suffix().str();
62. \}
63. 
64. return 0;
65. \}
66. 
67. int test\_regex\_replace()
68. \{
69. std::string pattern\{ "\\\\d\{18\}|\\\\d\{17\}X" \}; // id card
70. std::regex re(pattern);
71. 
72. std::vector<std::string> str\{ "123456789012345678", "abcd123456789012345678efgh",
73. "abcdefbg", "12345678901234567X" \};
74. std::string fmt\{ "\*\*\*\*\*\*\*\*" \};
75. 
76. /\* std::regex\_replace:
77.  在整个字符序列中查找正则表达式re的所有匹配
78.  这个算法每次成功匹配后，就根据参数fmt对匹配字符串进行替换
79.  \*/
80. 
81. for (auto tmp : str) \{
82. std::string ret = std::regex\_replace(tmp, re, fmt);
83. fprintf(stderr, "src: %s, dst: %s\\n", tmp.c\_str(), ret.c\_str());
84. \}
85. 
86. return 0;
87. \}
88. 
89. int test\_regex\_replace2()
90. \{
91. // reference: http://www.cplusplus.com/reference/regex/regex\_replace/
92. std::string s("there is a subsequence in the string\\n");
93. std::regex e("\\\\b(sub)(\[^ \]\*)"); // matches words beginning by "sub"
94. 
95. // using string/c-string (3) version:
96. std::cout << std::regex\_replace(s, e, "sub-$2");
97. 
98. // using range/c-string (6) version:
99. std::string result;
100. std::regex\_replace(std::back\_inserter(result), s.begin(), s.end(), e, "$2");
101. std::cout << result;
102. 
103. // with flags:
104. std::cout << std::regex\_replace(s, e, "$1 and $2", std::regex\_constants::format\_no\_copy);
105. std::cout << std::endl;
106. 
107. return 0;
108. \}

#include "regex.hpp"
    #include <regex>
    #include <string>
    #include <vector>
    #include <iostream>
    
    int test_regex_match()
    {
    	std::string pattern{ "\\d{3}-\\d{8}|\\d{4}-\\d{7}" }; // fixed telephone
    	std::regex re(pattern);
    
    	std::vector<std::string> str{ "010-12345678", "0319-9876543", "021-123456789"};
    
    	/* std::regex_match:
    		判断一个正则表达式(参数re)是否匹配整个字符序列str,它主要用于验证文本
    		注意，这个正则表达式必须匹配被分析串的全部，否则返回false;如果整个序列被成功匹配，返回true
    	*/
    
    	for (auto tmp : str) {
    		bool ret = std::regex_match(tmp, re);
    		if (ret) fprintf(stderr, "%s, can match\n", tmp.c_str());
    		else fprintf(stderr, "%s, can not match\n", tmp.c_str());
    	}
    
    	return 0;
    }
    
    int test_regex_search()
    {
    	std::string pattern{ "http|hppts://\\w*$" }; // url
    	std::regex re(pattern);
    
    	std::vector<std::string> str{ "http://blog.csdn.net/fengbingchun", "https://github.com/fengbingchun",
    		"abcd://124.456", "abcd https://github.com/fengbingchun 123" };
    
    	/* std::regex_search:
    		类似于regex_match,但它不要求整个字符序列完全匹配
    		可以用regex_search来查找输入中的一个子序列，该子序列匹配正则表达式re
    	*/
    
    	for (auto tmp : str) {
    		bool ret = std::regex_search(tmp, re);
    		if (ret) fprintf(stderr, "%s, can search\n", tmp.c_str());
    		else fprintf(stderr, "%s, can not search\n", tmp.c_str());
    	}
    
    	return 0;
    }
    
    int test_regex_search2()
    {
    	std::string pattern{ "[a-zA-z]+://[^\\s]*" }; // url
    	std::regex re(pattern);
    
    	std::string str{ "my csdn blog addr is: http://blog.csdn.net/fengbingchun , my github addr is: https://github.com/fengbingchun " };
    	std::smatch results;
    	while (std::regex_search(str, results, re)) {
    		for (auto x : results)
    			std::cout << x << " ";
    		std::cout << std::endl;
    		str = results.suffix().str();
    	}
    
    	return 0;
    }
    
    int test_regex_replace()
    {
    	std::string pattern{ "\\d{18}|\\d{17}X" }; // id card
    	std::regex re(pattern);
    
    	std::vector<std::string> str{ "123456789012345678", "abcd123456789012345678efgh",
    		"abcdefbg", "12345678901234567X" };
    	std::string fmt{ "********" };
    
    	/* std::regex_replace:
    		在整个字符序列中查找正则表达式re的所有匹配
    		这个算法每次成功匹配后，就根据参数fmt对匹配字符串进行替换
    	*/
    
    	for (auto tmp : str) {
    		std::string ret = std::regex_replace(tmp, re, fmt);
    		fprintf(stderr, "src: %s, dst: %s\n", tmp.c_str(), ret.c_str());
    	}
    
    	return 0;
    }
    
    int test_regex_replace2()
    {
    	// reference: http://www.cplusplus.com/reference/regex/regex_replace/
    	std::string s("there is a subsequence in the string\n");
    	std::regex e("\\b(sub)([^ ]*)");   // matches words beginning by "sub"
    
    	// using string/c-string (3) version:
    	std::cout << std::regex_replace(s, e, "sub-$2");
    
    	// using range/c-string (6) version:
    	std::string result;
    	std::regex_replace(std::back_inserter(result), s.begin(), s.end(), e, "$2");
    	std::cout << result;
    
    	// with flags:
    	std::cout << std::regex_replace(s, e, "$1 and $2", std::regex_constants::format_no_copy);
    	std::cout << std::endl;
    
    	return 0;
    }

**GitHub**： [https://github.com/fengbingchun/Messy\_Test][https_github.com_fengbingchun_Messy_Test]

[Python]: http://lib.csdn.net/base/11
[https_github.com_fengbingchun_Messy_Test]: https://github.com/fengbingchun/Messy_Test