正则表达式简介及在C++11中的简单使用
|
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：特殊字符(special characters)称为”元字符”(meta characters)，其它为”文字”(literal)，或者是普通文本字符(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"[sS]"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”[ fnrtv]”等效； 12.“S”：匹配任意不是空白符的字符，与”[^fnrtv]”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，"erb"匹配"never"中的"er"，但不匹配"verb"中的"er"; 16.“B”： 非字边界匹配,"erB"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” ^”、” $”、” (“、”)”、” [“、”]”、” {“、”}”、” .”、” ?”、” +”、” *”、” |”。 在C++/C++11中，GCC版本是4.9.0及以上，VS版本为VS2013及以上时，会有regex头文件，此头文件中会有regex_match、regex_search、regex_replace等函数可供调用，以下是测试代码：
#include "regex.hpp"
#include <regex>
#include <string>
#include <vector>
#include <iostream>
int test_regex_match()
{
std::string pattern{ "d{3}-d{8}|d{4}-d{7}" }; // fixed telephone
std::regex re(pattern);
std::vector<std::string> str{ "010-12345678","0319-9876543","021-123456789"};
/* std::regex_match:
判断一个正则表达式(参数re)是否匹配整个字符序列str,它主要用于验证文本
注意，这个正则表达式必须匹配被分析串的全部，否则返回false;如果整个序列被成功匹配，返回true
*/
for (auto tmp : str) {
bool ret = std::regex_match(tmp,re);
if (ret) fprintf(stderr,"%s,can matchn",tmp.c_str());
else fprintf(stderr,can not matchn",tmp.c_str());
}
return 0;
}
int test_regex_search()
{
std::string pattern{ "http|hppts://w*$" }; // 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,can searchn",can not searchn",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: %sn",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 stringn");
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(),"$2");
std::cout << result;
// with flags:
std::cout << std::regex_replace(s,"$1 and $2",std::regex_constants::format_no_copy);
std::cout << std::endl;
return 0;
}
（编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |