正則表達式簡介及在C++11中的簡單使用

時間 2019-11-12

原文原文鏈接

正則表達式是一種文本模式。正則表達式是強大、便捷、高效的文本處理工具。正則表達式自己，加上如同一門袖珍編程語言的通用模式表示法(general pattern notation)，賦予使用者描述和分析文本的能力。配合上特定工具提供的額外支持，正則表達式可以添加、刪除、分離、疊加、插入和修整各類類型的文本和數據。ios

完整的正則表達式由兩種字符構成：特殊字符(special characters)稱爲」元字符」(meta characters)，其它爲」文字」(literal)，或者是普通文本字符(normal text characters，如字母、數字、漢字、下劃線)。正則表達式的元字符提供了更強大的描述能力。git

和文本編輯器同樣，絕大多數高級編程語言均支持正則表達式，如Perl、Java、Python、C/C++，這些語言都有各自的正則表達式包。github

一個正則表達式僅僅爲一個字符串，它沒有長度限制。「子表達式」指的是整個正則表達式中的一部分，一般是括號內的表達式，或者是由」|」分割的多選分支。正則表達式

默認狀況下，表達式中的字母是要區分大小寫的。算法

經常使用的元字符：編程

1. 「.」：匹配除"\n"以外的任何單個字符，若要匹配包括"\n"在內的任意字符，需使用諸如"[\s\S]"之類的模式；編程語言

2. 「^」：匹配輸入字符串的開始位置，不匹配任何字符，要匹配」^」字符自己，需使用」\^」；編輯器

3. 「$」：匹配輸入字符串結尾的位置，不匹配任何字符，要匹配」$」字符自己，需使用」\$」；函數

4. 「*」：零次或屢次匹配前面的字符或子表達式，」*」等效於」{0,}」，如」\^*b」能夠匹配」b」、」^b」、」^^b」、…；工具

5. 「+」：一次或屢次匹配前面的字符或子表達式，等效於」{1,}」，如」a+b」能夠匹配」ab」、」aab」、」aaab」、…；

6. 「?」：零次或一次匹配前面的字符或子表達式，等效於」{0,1}」，如」a[cd]?」能夠匹配」a」、」ac」、」ad」；當此字符緊隨任何其餘限定符」*」、」+」、」?」、」{n}」、」{n,}」、」{n,m}」以後時，匹配模式是"非貪心的"。"非貪心的"模式匹配搜索到的、儘量短的字符串，而默認的"貪心的"模式匹配搜索到的、儘量長的字符串。如，在字符串"oooo"中，"o+?"只匹配單個"o"，而"o+"匹配全部"o"；

7. 「|」：將兩個匹配條件進行邏輯"或"(Or)運算,如正則表達式」(him|her)」匹配"itbelongs to him"和"it belongs to her"，可是不能匹配"itbelongs to them."；

8. 「\」：將下一字符標記爲特殊字符、文本、反向引用或八進制轉義符，如，」n」匹配字符」n」,」\n」匹配換行符，序列」\\」匹配」\」,」\(「匹配」(「；

9. 「\w」：匹配字母或數字或下劃線，任意一個字母或數字或下劃線，即A~Z，a~z,0~9,_中任意一個；

10. 「\W」：匹配任意不是字母、數字、下劃線的字符；

11. 「\s」：匹配任意的空白符，包括空格、製表符、換頁符等空白字符的其中任意一個，與」[ \f\n\r\t\v]」等效；

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

13. 「\d」：匹配數字，任意一個數字，0~9中的任意一個，等效於」[0-9]」；

14. 「\D」：匹配任意非數字的字符，等效於」[^0-9]」；

15. 「\b」：匹配一個字邊界，即字與空格間的位置，也就是單詞和空格之間的位置，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」：非字邊界匹配,"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"；

17. 「\f」：匹配一個換頁符，等價於」\x0c」和」\cL」；

18. 「\n」：匹配一個換行符，等價於」\x0a」和」\cJ」；

19. 「\r」：匹配一個回車符，等價於」\x0d」和」\cM」；

20. 「\t」：匹配一個製表符，等價於」\x09」和」\cI」；

21. 「\v」：匹配一個垂直製表符，等價於」\x0b」和」\cK」；

22. 「\cx」：匹配」x」指示的控制字符,如，\cM匹配Control-M或回車符，」x」的值必須在」A-Z」或」a-z」之間,若是不是這樣，則假定c就是"c"字符自己；

23. 「{n}」：」n」是非負整數，正好匹配n次，如，"o{2}"與"Bob"中的"o"不匹配，但與"food"中的兩個"o"匹配；

24. 「{n,}」：」n」是非負整數,至少匹配n次,如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的全部」o」，"o{1,}"等效於"o+"，"o{0,}"等效於"o*"；

25. 「{n,m}」：」n」和」m」是非負整數，其中n<=m，匹配至少n次，至多m次，如，"o{1,3}"匹配"fooooood"中的頭三個o，'o{0,1}'等效於'o?'，注意,不能將空格插入逗號和數字之間；如」ba{1,3}」能夠匹配」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」之外的任意字符，如，"[^abc]"匹配"plain"中的"p"；

29. 「[a-z]」：字符範圍，匹配指定範圍內的任何字符，如，"[a-z]"匹配"a"到"z"範圍內的任何小寫字母；

30. 「[^a-z]」：反向範圍字符，匹配不在指定的範圍內的任何字符，如，"[^a-z]"匹配任何不在"a"到"z"範圍內的任何字符；

31. 「( )」：將」(「和」)」之間的表達式定義爲」組」group，而且將匹配這個表達式的字符保存到一個臨時區域,一個正則表達式中最多能夠保存9個，它們能夠用」\1」到」\9」的符號來引用；

32. 「(pattern)」：匹配pattern並捕獲該匹配的子表達式，可使用$0…$9屬性從結果」匹配」集合中檢索捕獲的匹配；

33. 「(?:pattern)」：匹配pattern但不捕獲該匹配的子表達式，即它是一個非捕獲匹配，不存儲供之後使用的匹配，這對於用」or」字符」 (|)」組合模式部件的狀況頗有用, 如，」industr(?:y|ies)」是比」industry|industries」更簡略的表達式；

34. 「(?=pattern)」：非獲取匹配，正向確定預查，在任何匹配pattern的字符串開始處匹配查找字符串，該匹配不須要獲取供之後使用。如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配以後當即開始下一次匹配的搜索，而不是從包含預查的字符以後開始；

35. 「(?!pattern)」：非獲取匹配，正向否認預查，在任何不匹配pattern的字符串開始處匹配查找字符串，該匹配不須要獲取供之後使用。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版本爲VS2013及以上時，會有regex頭文件，此頭文件中會有regex_match、regex_search、regex_replace等函數可供調用，如下是測試代碼：

#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: 
        判斷一個正則表達式(參數re)是否匹配整個字符序列str,它主要用於驗證文本 
        注意，這個正則表達式必須匹配被分析串的所有，不然返回false;若是整個序列被成功匹配，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: 
        相似於regex_match,但它不要求整個字符序列徹底匹配 
        能夠用regex_search來查找輸入中的一個子序列，該子序列匹配正則表達式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: 
        在整個字符序列中查找正則表達式re的全部匹配 
        這個算法每次成功匹配後，就根據參數fmt對匹配字符串進行替換 
    */  
  
    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;  
}