目录
-
C++正则
-
总述
- ECMAScript支持的正则
-
具有特殊意义的元字符
- 量词元字符
- C++支持的正则
- C++使用正则
-
匹配与否
- 捕获
-
更高级的捕捉
-
捕捉的同时生成新串
-
参考资料
-
C++正则
总述
正则是一种规则，它用来匹配（进而捕获、替换）字符串。这种规则需要“模式”、“字符串”这两样东西，“模式”根据正则规则，来处理“字符串”。
这种规则被许多语言支持，C++11以后才支持正则。
C++11支持的正则和其他语言支持的正则有区别，本篇记录的目的不在于讲解正则，也不在于阐述C++11支持的正则详细是什么，而是只记下常见的、够用的正则规则（以供速查，应有不严谨之处）及使用用法。
ECMAScript支持的正则
正则由元字符和普通字符组成。普通字符就代表它原本的含义；元字符的意义不同于该字符本来的含义，而是有特殊的意义和功能。
根据其意义功能划分，可将元字符划分为：
具有特殊意义的元字符
\：\字符能够改变字符原本的含义
^：^字符指示字符串的头，且要求字符串以字符开头，不占位。^表示一个真正的^符号。
$：$字符指示字符串的尾，且要求字符串以字符结尾，不占位。$表示一个真正的$符号。
、()：分组，大正则中包含小正则。可以改变默认的优先级。在模式中可以使用\1来表示第一组已然捕获到的东西。
\b：指示字符串的边界（头/尾/空格左/空格右），字符\b要求边界的左边是字符，\b字符要求边界的右边是字符。
.：表示一个除了\n以外的任意一个字符。.表示一个真正的.符号。
|：字符串1|字符串2表示一个字符串，该字符串是字符串1、字符串2中的一个。|在正则中的优先级比较混乱，所以建议加上足够多的括号来分组。
[]：[字符1字符2字符3…]表示一个字符，该字符是字符1、字符2、字符3……中的某一个。中括号中出现的所有字符都是代表本身意思的字符（没有特殊含义），如[.]只能匹配.符号，而不能匹配任意符号。
[^字符1字符2字符3…]表示一个字符，该字符不是字符1、字符2、字符3……中的任何一个
[a-z]表示一个字符，该字符是a、b、c……z中的某一个
[^a-z]表示一个字符，该字符不是a、b、c……z中的任何一个
\w：表示一个字符，该字符是数字、字母、下划线中的某一个。等价于[(0-9)(a-z)(A-Z)(_)]
\W：表示一个字符，该字符不是数字、字母、下划线中的任何一个。等价于[]
\d表示一个字符，该字符是0、1、2……9中的某一个
\D表示一个字符，该字符不是0、1、2……9中的任何一个
\s表示一个字符，该字符是空白符（空格、制表符、换页符）2、代表出现次数的
量词元字符
*：字符*要求字符出现0到多次
+：字符+要求字符出现1到多次
?：字符?要求字符出现0次或1次
{n}：字符{n}要求字符出现n次
{n,}：字符{n,}要求字符出现n到多次
{n,m}：字符{n,m}要求字符出现n到m次、
C++支持的正则
C++可以支持ECMAScript支持的正则，也可以支持grep支持的正则等等。
由于我本人较熟悉ECMAScript支持的正则，且C++默认支持的即是它，所以我接下来讲的也是这种正则。
首先要举一个例子解释一下，
2
3
4
5
6
2var r = /\d{1, 11}/;
3/**在C++中写一个匹配11位电话号码的正则模式是这样写的**/
4regex r("\\d{1, 11}")
5
6
看似不一样，其实是一样的，因为传递给regex构造函数的参数是一个字符串，该字符串被C++编译器解析时，将\解释为真正的\（由于C++中的字符\是转义字符），解析出来的\和紧随其后的d组合，形成了真正的\d，表示一个数字字符。
所以含有\的元字符，在C++定义时，都要写成\。
C++使用正则
匹配与否
头文件<regex>中的regex_match和regex_search均可以进行匹配，返回一个布尔类型，匹配成功为true，匹配失败为false。
不同点： 前者要求完全匹配，后者要求子串匹配即可；
下面以regex_match为例，regex_search的写法与之相同，故不赘述。
2
3
4
5
6
7
8
9
10
11
2regex r("[a-z0-9]+");
3
4// 用法一
5bool flag = regex_match(str,r);
6// 用法二
7bool flag = regex_match(str,regex("\\d+"));
8// 用法三
9bool flag = regex_match(str.begin()+7,str.end(),regex("\\d+"));
10
11
捕获
捕获就是先匹配，然后将匹配结果存储下来。捕获同样是使用上面介绍的那两个函数，仍然区分为整串匹配和子串匹配。
捕获的步骤：
- 模式中一般要有分组（因为捕捉的正是分组匹配的结果）
- 定义一个STL容器smatch，用来保存捕捉的结果
- 使用reg_search函数匹配，用smatch的实例存储匹配的结果，即完成捕捉。
- 使用m.size()，查看捕捉到的个数；使用m.str(i)，查看捕捉到的字符串；【注意：m.str(0)一定是整个正则匹配到的部分，m.str(1)及以后才是分组捕获的结果】
- m.prefix().str()获取整个匹配之前的字符串；m.suffix().str()获取整个匹配之后的字符串
代码：
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
2using namespace std;
3int main()
4{
5 string str;
6 while(true){
7 cin >> str;
8 regex e("([[:w:]]+)@([[:w:]]+)\.com");
9 smatch m;
10 bool found = regex_search(str, m, e);
11 if(found)
12 {
13 cout << "m.size() " << m.size() << endl;
14 for(int i=0; i<m.size(); ++i){
15 cout << "m.str(" << i << "): " << m.str(i) << endl;
16 }
17 cout << "m.prefix().str(): " << m.prefix().str() << endl;
18 cout << "m.suffix().str(): " << m.suffix().str() << endl;
19 }
20 else cout << "Not Found" << endl;
21 return 0;
22
23
24 }
25}
26
27
结果为：
补充：
- 获取第i个匹配m.str(i)，还有其他等价写法：m[i].str()、*(m.begin() + i)
- 模式其实可以不分组…这样就只有m.str(0)捕捉到整个串，没有m.str(1)其他的了。
更高级的捕捉
由于regex_replace方法只能捕捉到第一个匹配，想要捕捉到每一个匹配，以及匹配内的分组，需要使用另外一种方法：
步骤：
- 正则内有分组
- 定义迭代器的同时初始化迭代器，使其指向一个smatch实例的数组。
- 定义end，标志smatch实例的数组的末尾
- 使用迭代器遍历数组
代码：
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2using namespace std;
3int main()
4{
5 string str = "boo@gmail.com boqian@hotmail.com bo_qian@163.com";
6 regex e("([[:w:]]+)@([[:w:]]+)\.com");
7 sregex_iterator pos(str.cbegin(), str.cend(), e);
8 sregex_iterator end;
9
10 for(; pos!=end; ++pos)
11 {
12 cout << "Matched: " << pos->str(0) << endl;
13 cout << "user name: " << pos->str(1) << endl;
14 cout << "domain: " << pos->str(2) << endl;
15 cout << endl;
16 }
17 return 0;
18}
19
20
补充：
同上，模式中也可以没有分组，这样也就没有pos->str(1)其他的了。
还有一种更高级的捕捉，能够实现一模一样的功能，只是对捕获的结果的组织顺序不相同，它将所有与第一个分组匹配的结果，放在一个容器内。
运行如下代码，感受一下：
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
2using namespace std;
3int main()
4{
5 string str = "boo@gmail.com boqian@hotmail.com bo_qian@163.com";
6 regex e("([[:w:]]+)@([[:w:]]+)\.com");
7 sregex_token_iterator pos(str.cbegin(), str.cend(), e, 1);// 表示第一个分组，再换成0、2、-1感受一下
8 sregex_token_iterator end;
9
10 for(; pos!=end; ++pos)
11 {
12 cout << "Matched: " << pos->str() << endl;
13 cout << endl;
14 }
15 return 0;
16}
17
18
捕捉的同时生成新串
regex_replace方法先完成捕捉，得到类似于：
大匹配1：分组1、分组2
大匹配2：分组1、分组2
大匹配3：分组1、分组2
…
所以如下代码：
2
3
4
5
6
7
8
9
10
11
2using namespace std;
3int main()
4{
5 string str = "boo@gmail.com boqian@hotmail.com bo_qian@163.com";
6 regex e("([[:w:]]+)@([[:w:]]+)\.com");
7 cout << regex_replace(str, e, "$1 is on $2\n", regex_constants::format_no_copy); // 除了捕捉到的组以外，其他的东西均舍弃
8 return 0;
9}
10
11
运行结果：
补充：
- regex_replace除了regex_constants::format_no_copy以外，还有其他flag，如regex_constants::format_first_only表示只取“大匹配1”，而忽略其他。
- flag和flag之间通过|相连接。
- regex_match和regex_search也有自己的flag，如用于忽略英文字母大小写的regex_constants::icase
