C++学习笔记总结练习：正则表达式

正则表达式

目录

• regex正则表达式的定义
• regex_match/search/replace正则表达式的三个操作
• smatch、sregex_iterator正则表达式的结果对象以及与其配套的迭代器。

参考文献

• 正则表达式总结

1 正则表达式基础

不考虑子表达式的内容

头文件

#include<regex>

库组件

库组件	作用
regex	正则表达式类
regex_match	字符串与正则表达式进行匹配
regex_search	搜索第一个与正则表达式匹配的子序列
regex_replace	给定格式替换一个正则表达式
smatch	保存string中搜索的结果（s指string）
sregex_iterator	迭代器，遍历string搜索的结果（s指string）

正则表达式regex

//定义正则表达式的对象。可以使用一个string、一个字符范围迭代器对、一个字符数组指针、一个字符和一个计数器、或括号括起来的字符列表。一个可选的flag参数，主要用来指定匹配规则
string str = "hhh233";
string pattern="[a-z0-9]+";
regex r(pattern,[flag]);

//重新制定r的正则表达式
r.assign(pattern2,[flag])

//r中子表达式的数目
r.mark_count();

//r中的标志位
r.flags();

2 操作

2.1 正则匹配regex_match

函数	说明
regex_match(string seq,regex r)	查询是否匹配。完全匹配。seq也可以是字符串迭代器对string.begin(),string.end()
regex_match(string seq,smatch m,regex r)	查询是否匹配，完全匹配。并返回匹配的结果。seq也可以是字符串迭代器对string.begin(),string.end()

• 头文件中的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。前者要求完全匹配，后者要求子串匹配即可；
• 对字符串进行匹配(一般不使用,因为字符串匹配的正则表达式要考虑到整个字符串)

string str = "hhh233";
regex r("[a-z0-9]+");

// 用法一
bool flag = regex_match(str,r);
// 用法二
bool flag = regex_match(str,regex("\\d+"));
// 用法三
bool flag = regex_match(str.begin()+7,str.end(),regex("\\d+"));

//正则匹配
string regex_str2("(\\d{4}).*");
regex pattern2(regex_str2,regex::icase);

if(regex_match(str,result,pattern2)){
    cout<<result[0]<<endl;
    cout<<result[1]<<endl;
}
    

2.2 正则搜索regex_search

函数	说明
regex_search(string seq,regex r)	搜索是否匹配。子串匹配seq也可以是字符串迭代器对string.begin(),string.end()
regex_search(string seq,smatch m,regex r)	搜索是否匹配，子串匹配，并返回匹配的结果。seq也可以是字符串迭代器对string.begin(),string.end()

• 使用regex_search()对字符串进行寻找。本身只返回第一次匹配到的结果，可以手写循环，多次调用对字符串进行匹配，找到多个结果。

//正则查找
while (std::regex_search(iter,iterEnd,result,pattern1))
{
    temp=result[0];
    cout<<temp<<endl;
    iter = result[0].second; //更新搜索起始位置
}
//循环查找过程
string test = "145341.35186410.200034uhvsv nfji7676876///1324531.1";
smatch mat;
regex rgx("(\\d+\\.){1}");
string::const_iterator start = test.begin();
string::const_iterator end = test.end();
 
while (regex_search(start, end, mat, rgx))
{
    cout << mat[1].str() << endl;
    start = mat[0].second;
}

2.3 正则替换regex_replace

函数	说明
regex_search(string seq,regex r)	搜索是否匹配。子串匹配seq也可以是字符串迭代器对string.begin(),string.end()
regex_search(string seq,smatch m,regex r)	搜索是否匹配，子串匹配，并返回匹配的结果。seq也可以是字符串迭代器对string.begin(),string.end()

• regex_replace:使用给定格式替换一个正则表达式

//正则替换
std::regex reg1("\\d{4}");
string t("1993");
str = regex_replace(str,reg1,t); //trim_left
cout<<str<<endl;

2.4 捕获结果smatch

• 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。

  1. 模式中一般要有分组（因为捕捉的正是分组匹配的结果）
  2. 定义一个STL容器smatch，用来保存捕捉的结果
  3. 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。
  4. 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；smatch 类的 size() 指的是分组个数，也就是正则中左括号的个数。【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】
  5. 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

• 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。

• 正则分组：一个正则表达式可以被分为很多个正则分组，主要通过()和|对正则分组进行划分。其中str(i)表示的是当前smatch 中匹配的第一个结果的第i个正则分组。smatch 类的 size() 指的是分组个数，也就是正则中左括号的个数。

smatch ==>match_result<string>

函数	说明
m.ready()	是否接受过返回结果
m.empty()	是否没哟匹配数。
m.size()	查看捕捉到的分组的个数。smatch 类的 size() 指的是分组个数，也就是正则中左括号的个数。
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
m.str(i),m[i].str(),*(m.begin() + i)	获取第i个子匹配，即由正则分组匹配到的第i个匹配。

#include<iostream>
#include<regex>

using namespace std;

int main(){
    //i 必须在e之前，除非在c之后
    string pattern("[^c]ei");
    pattern ="[a-zA-Z]"+pattern+"[a-zA-Z]";
    regex r(pattern);
    smatch results;

    string test_str="receipt freind theif receive";
    if(regex_search(test_str,results,r))   
        cout<<results.str()<<endl;
    else
        cout<<results.str()<<endl;

    //另一个例子
    string str;
    while(true){
        cin >> str;
        regex e("([[:w:]]+)@([[:w:]]+)\.com");
        smatch m;
        bool found = regex_search(str, m, e);
        if(found)
        {
            cout << "m.size() " << m.size() << endl;
            for(int i=0; i<m.size(); ++i){
                cout << "m.str("<<i<< "): "<<m.str(i)<< endl;
            }
            cout<<"m.prefix().str():"<<m.prefix().str()<< endl;
            cout<<"m.suffix().str():"<<m.suffix().str()<< endl;
        }
        else cout << "Not Found" << endl;
        return 0;
        
        
    }
    return 0;
}

2.5 迭代器sregex_ieterator

• 使用那个smatch来保存结果。迭代器内的对象，指向的是smatch。用来遍历smatch对象

sregex_iterator==> regex_iterator<string>

函数	说明
sregex_iterator it(string.beg(),string.end(),regex r)	遍历迭代器begin和end之间的string。调用regex_search，返回并保存结果。

#include<iostream>
#include<regex>

using namespace std;

int main(){
    //i 必须在e之前，除非在c之后
    string pattern("[^c]ei");
    pattern ="[a-zA-Z]"+pattern+"[a-zA-Z]";
    regex r(pattern);
    smatch results;

    string test_str="receipt freind theif receive";
    if(regex_search(test_str,results,r))   
        cout<<results.str()<<endl;
    else
        cout<<results.str()<<endl;

    regex r2(pattern, regex::icase);

    sregex_iterator end_it;//string 
    sregex_iterator it(test_str.begin(),test_str.end(),r2);
    for(;it != end_it;++it){
        cout<<it->str()<<endl;
    }
    return 0;
}

4 正则表达式规则

主要包括四类

• 字符类
• 数量限定符
• 位置限定符
• 特殊符号

4.0 正则表达式实例

实例	说明
“ab"	表示以ab开头的字符串，例如”abc“ ”abc ed“
”ab+"	表示一个字符串，由一个a和至少一个b组成
“ab?”	表示一个字符串，由一个a和一个或零个b组成
“ab{2,3}”	表示一个字符串，由一个a和2-3个b组成
“access	boot"
"(a	b)*c"
[a-zA-Z]	表示一个字符，为一个字母
”[a-zA-Z0-9]$"	表示一个字符串,由一个字母或数字结束。
错误提示!!![ab\d]	中括号中不能有转义字符
”[+]{0,1}(\d){1,3}[ ]?([-]?((\d)	[ ]){1,12})+ “
”http[s]{0,1}😕/.+$/ 或 /^http[s]{0,1}😕/.{1,n}“	检验URL
“([0-9A-F]{2})(-[0-9A-F]{2}){5}”	检验mac地址
“[-+]?\d+(.\d+)?”	值类型
“\d{4}-\d{1,2}-\d{1,2}”	日期格式2018-7-30
”(\d+){5，11}@(\w+)\.(\w){3}“	QQ邮箱格式

4.1 字符类

4.2 数量限定符

4.3 位置限定符

4.4 特殊符号

4.5 普通字符集及其替换

4.6 贪婪模式与非贪婪模式

1. 贪婪模式：正则表达式匹配时，会尽量多的匹配符合条件的内容。
2. 非贪婪模式：正则表达式匹配时，会尽量少的匹配符合条件的内容，也就是说，一旦发现匹配符合要求，立马就匹配成功，而不会继续匹配下去（除非有g，开启下一组匹配）

4.7 特殊规则

• ‘[:alnum:]’ 匹配任何字母和数字
  Alphanumeric characters: ‘[:alpha:]’ and ‘[:digit:]’.

• ‘[:alpha:]’ 匹配任何字母
  Alphabetic characters: ‘[:lower:]’ and ‘[:upper:]’.

• ‘[:blank:]’
  Blank characters: space and tab.

• ‘[:cntrl:]’
  Control characters. In ASCII, these characters have octal codes 000 through 037, and 177 (‘DEL’). In other character sets, these are the equivalent characters, if any.

• ‘[:digit:]’ 匹配任何数字
  Digits: ‘0 1 2 3 4 5 6 7 8 9’.

• ‘[:graph:]’
  Graphical characters: ‘[:alnum:]’ and ‘[:punct:]’.

• ‘[:lower:]’ 匹配任何小写字母
  Lower-case letters: ‘a b c d e f g h i j k l m n o p q r s t u v w
  x y z’.

• ‘[:print:]’
  Printable characters: ‘[:alnum:]’, ‘[:punct:]’, and space.

• ‘[:punct:]’ 匹配任何标点符号
  Punctuation characters: ‘! " # $ % & ’ ( ) * + , - . / : ; < = > ? @ [ \ ] ^ _ ’ { | } ~’.

• ‘[:space:]’ 匹配空格符
  Space characters: tab, newline, vertical tab, form feed, carriage
  return, and space.

• ‘[:upper:]’ 匹配任何大写字母
  Upper-case letters: ‘A B C D E F G H I J K L M N O P Q R S T U V W
  X Y Z’.

• ‘[:xdigit:]’ 匹配任何16进制数字
  Hexadecimal digits: ‘0 1 2 3 4 5 6 7 8 9 A B C D E F a b c d e f’.

4.8 正则规则速查表

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“\n”匹配一个换行符。串行“\”匹配“\”而“(”则匹配“(”。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。
*	匹配前面的子表达式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
.	匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符，请使用像“(.
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“(”或“)”。
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(
(?=pattern)	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。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95
(?!pattern)	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。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95
(?<=pattern)	反向肯定预查，与正向肯定预查类拟，只是方向相反。例如，“(?<=95
(?<!pattern)	反向否定预查，与正向否定预查类拟，只是方向相反。例如“(?<!95
x	y
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“p”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx	匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于[^0-9]。
\f	匹配一个换页符。等价于\x0c和\cL。
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r \v]。
\S	匹配任何非空白字符。等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。
\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。.
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
\nml	如果n为八进制数字（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
\un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。