C++之正则表达式_c++ 正则表达式

常用符号

头文件：#include<regex>

常规

• .：换行符以外的任何字符
• [...]：…字符中的任何一个
• [^...]：…字符之外的任何一个
• [[:charclass:]]：指定之字符类charclass中的一个
• \n, \t, \f, \r, \v：换行符，tab符号，还有。。。
• \xhh, \uhhh：一个十六进制字符或unicode字符
• \d, \D：一个数字，一个非数字
• \s, \S：一个空白字符，一个非空白字符
• \w, \W：字母，数字，下划线；\S正好相反，不是字母，数字，下划线

匹配数

• *：匹配0次或多次
• ? ：0次或一次
• +：至少一次
• {n}：n次
• {n, m}：至少n次，至多m次，如果省略m，则没有上限
• ...|...: 匹配|之前或之后的

分组

• (...)：设定分组，如果前面已有分组，可以使用"\1"再次指代它。在C++11之前需要用"\1"，C++11可以用新的写法：R"…\1"
• \number: 如：\1, \2, \3：表示第n个分组

首尾

• ^：一行的起点
• $：一行的终点
• \b: 一个正字词边界
• \B: 一个负字词边界

一个正则表达式的语法是否正确是在运行时解析的

regex

regex的构造函数参考这里

两个对象

std::match_results

• std::match_results：正则表达式匹配结果的集合。只能默认创建，或者，从std::regex_iterator中获取，或者，从std::regex_match和std:::regex_search修改。
• std::match_results包含对象std::sub_match，也就是说，每个std::sub_match都是一个匹配的子序列，它们组成了std::match_results，每个std::match_results的下标对应一个std::sub_match对象。其中，std::match_results的第0个元素是整个匹配到的序列，从下标1开始，从左到右依次是匹配到的结果。

方法

• prefix()：sub_match对象，表现第一个匹配合格的字符的前方所有的字符
• suffix()：sub_match对象，表现最末一个匹配合格的字符的后方所有字符
• size()：可取得sub_match对象的个数
• str()：通过这个函数可以获取匹配合格的整体字符串（通过str()或str(0)获取到）或第n个匹配合格的子字符串（通过str(n)获取），如果不存在则返回空，所以传入一个大于size()的n值是合法的
• length()：获取匹配合格的整体字符串的长度（通过length()或length(0)）或第n个匹配合格的子字符串长度（length(n))
• positon()：获取匹配合格的整体字符串的位置（通过positon()或positon(0)）或第n个匹配合格的子字符串的位置（positon(n))
• [] : 访问运算符，从0到n
• 迭代器（begin()，end(), cbegin(), cend()）：可用来迭代sub_match对象，从m[0]到m[n]

std::sub_match

sub_match对象都派生自pair<>，有以下属性或方法：

• first是第一个字符的位置，second成员是最末字符的下一个位置
• length()：长度
• str(): 转成字符串输出
• compare(): 比较匹配到的子序列

两个迭代器

std::regex_iterator

可以迭代正则查找的所有结果。std::regex_iterator是一个只读迭代器，他会遍历整个字符串，并匹配出每一个符合正则表达式的对象，匹配到的对象为std::match_results。
默认构造的std::sregex_iterator 是尾迭代器，当一个迭代器递增到最后一个匹配的时候（即std::regex_search返回为false时）就说明已经到达结尾了。

const std::string s = "Quick brown fox.";
std::regex words_regex("[^\\s]+");
auto words_begin = std::sregex_iterator(s.begin(), s.end(), words_regex);
auto words_end = std::sregex_iterator();  // 默认构造即为最后一个迭代器，也可以写为：std::sregex_iterator end;
// 匹配到的个数可以用std::distance获取
std::cout << "Found " << std::distance(words_begin, words_end) << " words:\n";
for (std::sregex_iterator i = words_begin; i != words_end; ++i) {
    std::smatch match = *i;  // 匹配到的对象解引用后是一个match对象
    std::string match_str = match.str();
    std::cout << match_str << '\n';
}
1
2
3
4
5
6
7
8
9
10
11

std::regex_token_iterator

std::regex_token_iterator同样也是一个只读的前向迭代器，处理子序列之间的内容，特别是打算将字符串按照正则表达式拆分成一个个单元。每个迭代对象都是一个match对象。
std::regex_token_iterator的默认构造是尾迭代器。
参数：前两个为字符串的迭代器，第三个为正则表达式，第四个表示匹配行为：

• -1：每一个匹配的正则表达式之间的子序列
• 0：每一个匹配到正则表达式
• n：任何其他数字，表示正则表达式中的第n个匹配次表达式

三个函数

1. 函数分别为：

• std::regex_match：检验是否整个字符序列匹配某个正则表达式，返回true
• std::regex_search：检验是否部分字符序列匹配某个正则表达式，搜索全部，但只输出第一个匹配到的，返回true

regex_search(data, regex(pattern))
// 等价于
regex_match(data, regex("(.|\n)*" + pattern + "(.|\n)*")
1
2
3

• std::regex_replace

2. 这些函数的参数：(seq, m, r, mft)/(seq, r, mft)
3. 指定regex对象：
   • regex r(re 【，f】)：re可以为string，一个表示字符范围的迭代器对，一个指向空字符结尾的字符数组的指针，一个字符指针，一个计数器，一个花括号包围的字符列表，f是指出对象如何处理的标识，默认为ECMAScript
   • r1=re
   • r1.assign(re, f)
   • r.mark_count()
   • f.flags()

异常

如果正则表达式存在错误，在运行时标准库会抛出一个类型为regex_error的异常：
• what：描述发生了什么错误
• code：