正则表达式简介以及C++/Java实现
|
由于最近的项目中用到了正则表达式，正好也遇到了一个面试题，题中也有对正则表达式就行考察，所以简单学习一下Regular Expression，然后以一道笔试题的实现来作为练习。 首先可以熟悉一下正则表达式的概念：http://baike.baidu.com/view/94238.htm
e.g1：社会安全数字的模式为
xxx-xx-xxxx，其中x为一个
数字。社会安全数字的一个正则表达式可以描述为：
[d]{3}-[d]{2}-[d]{4}
e.g2：一个以0,2,4,6,8结尾的偶数，偶数的模式可以描述为：
[d]*[02468]
e.g3：电话号码的模式为（xxx）xxx-xxxx，其中x为数字，第一个数字不能为0。电话号码的正则表达式可表示为：
([1-9][d]{2})[d]{3}-[d]{4}
备注：括号()是特殊的符号，在正则表达式中用来把模式分组。在正则表达式中若表示(或)，必须使用(和)。
e.g4：假设姓包括25个子母中的大部分，第一个部分大写。姓的模式可以描述为：
[A-Z][a-zA-Z][1,24]
注意，不能在正则表达式中使用任意空白。例如，[A-Z][a-zA-Z]{1.24}是错的。
e.g5："Welcome to (Java|HTML)"匹配的是："Welcome to Java"或"Welcome to HTML"
e.g6：和所有字符串匹配的正则表达式是
".*"。
下面是某个IT公司的笔试题：
Please write a program to complete the following task (C++/Perl/Python/Shell allowed): Read several lines of text from STDIN,and 1)filter out all the email addresses from the input text; 2)print a statistic table of how many times each email server is used. Example: Input: CEO of NVIDIA: jenhsun.huang@nvidia.com (the address if fake :) Some of my favorite writers (they are all fake :) scott.meyers@brown.edu herb_sutter@dev.microsoft.com ericgamma@google.com - known as GoF jcarmack@idsoftware.com mark_kilgard@nvidia.com andrew.rubin@google.com NVIDIA recruiting team: hr@nvidia.com Output: 1) jenhsun.huang@nvidia.com scott.meyers@brown.edu herb_sutter@dev.microsoft.com ericgamma@google.com jcarmack@idsoftware.com mark_kilgard@nvidia.com andrew.rubin@google.com hr@nvidia.com 2) nvidia.com: 3 google.com: 2 brown.edu: 1 dev.microsoft.com: 1 idsoftware.com 1
程序流程： 1)将文本文件标准读入。 2)对于输入的字符串判断是不是和正则表达式匹配（Email的正则表达式），如果匹配进入3)，否则2)。 3)将匹配的字符串（说明是Email）的"@"字符之后的子串提取出来，然后用map存储子串。 4)统计相同子串出现的次数，按照次数进行排序。 5)将map中的<key,value>对输出到文件中。
Java中的正则表达式判断： Java中的正则表达式判断很简单，假设目标串为target，正则表达式模式串为pattern，那么判断二者匹配的方法为：target.match(pattern)，如果返回真则表示匹配成功。
C中的正则表达式的判断： C中的正则表达式的判断则相对复杂，首先要将正则表达式模式串pattern编译成为一个结构体compiled，然后将目标串target与compiled进行匹配。主要的两个函数为： int regcomp(regex_t *compiled,const char *pattern,int cflags)
那么，现在就根据那道题目将代码附上(其中regular_expression.txt文件就是题目中input的内容)： Java实现：
package String;
import java.io.File;
import java.io.FileNotFoundException;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Scanner;
import java.util.Set;
import java.util.Map.Entry;
public class Regex {
private static class ValueComparator implements Comparator<Map.Entry<String,Integer>>{
@Override
public int compare(Map.Entry<String,Integer> m,Map.Entry<String,Integer> n) {
return n.getValue()-m.getValue();
}
}
public static void main(String [] args) throws FileNotFoundException{
//6~18个字符，可使用字母、数字、下划线，需以字母开头
String pattern = "^[a-zA-Z][dw.]{1,17}@[dw.]{1,}"; //定义模式串pattern
File file = new File("regular_expression.txt");
Scanner input = new Scanner(file);
HashMap map = new HashMap<String,Integer>();
int val;
while(input.hasNext()){ //依次读入文件中的字符串
String s = input.next();
s.trim();
if(s.matches(pattern)){ //如果是匹配则说明是email
System.out.println(s);
s = s.substring(s.lastIndexOf('@')+1); //提取"@"字符后面的子串
if(map.get(s)==null){
map.put(s,1);
}else{
val = (Integer)map.get(s)+1;
map.put(s,val);
}
}
}
ArrayList<Map.Entry<String,Integer>> list = new ArrayList<Map.Entry<String,Integer>>(map.entrySet());
Regex.ValueComparator vc = new ValueComparator();
Collections.sort(list,vc); //按照value值进行排序
Iterator listItr = list.iterator(); //迭代输出结果
while(listItr.hasNext()){
Map.Entry<String,Integer> entry = (Map.Entry<String,Integer>) listItr.next();
System.out.println(entry.getKey()+" : "+entry.getValue());
}
}
}
C/C++实现：
#include<iostream>
#include<stdio.h>
#include<regex.h>
#include<string.h>
#include<fstream>
#include<map>
#include<vector>
#include<algorithm>
using namespace std;
int cflags = REG_EXTENDED,valid,i;
regex_t compiled;
const char *pattern = "[dw._]*+@+[dw.]*"; //定义模式串pattern
char *target = new char[100];
ifstream fin;
ofstream fout;
map<string,int> map_regex;
typedef pair<string,int> PAIR;
struct CmpByValue
{
bool operator()(const PAIR& lhs,const PAIR& rhs)
{
return lhs.second > rhs.second;
}
};
void OutputResults()
{
vector<PAIR> vector_regex(map_regex.begin(),map_regex.end());//将map_regex中的内容转存到vector_regex中去。
sort(vector_regex.begin(),vector_regex.end(),CmpByValue());//根据比较函数进行排序
for(int i=0;i<vector_regex.size();i++)
{
fout<<vector_regex[i].first<<" : "<<vector_regex[i].second<<endl;
}
}
void RegexMatch(char * target)
{
regcomp(&compiled,pattern,cflags);
valid = regexec(&compiled,target,NULL,0);
if(valid == REG_NOMATCH)
{
//cout<<"no match"<<endl;
}
else if(valid == 0)
{
cout<<target<<" matches "<<pattern<<endl;
string::size_type pos;
string target_str(target);
string sub_str;
pos = target_str.find("@");
sub_str = target_str.substr(pos+1,target_str.length()-pos-1);//提取子串
//统计子串出现的频率
if(map_regex[sub_str]==0)
{
map_regex[sub_str]=1;
}
else
{
map_regex[sub_str]++;
}
}
regfree(&compiled);
}
int main(int argc,char ** argv)
{
fin.open("regular_expression.txt");
if(!fin)
{
cout<<"open the file failure"<<endl;
return 0;
}
fout.open("result.txt");
while(fin>>target)
{
RegexMatch(target);
}
OutputResults();
fin.close();
fout.close();
return 0;
}
输出文件result.txt:
jenhsun.huang@nvidia.com scott.meyers@brown.edu herb_sutter@dev.microsoft.com ericgamma@google.com jcarmack@idsoftware.com mark_kilgard@nvidia.com andrew.rubin@google.com hr@nvidia.com nvidia.com : 3 google.com : 2 brown.edu : 1 dev.microsoft.com : 1 idsoftware.com : 1 参考：
http://www.wuzesheng.com/?p=929
http://see.xidian.edu.cn/cpp/html/1428.html
转载注明出处：http://www.52php.cn/article/p-udyrqdln-mp.html （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! |