【C++进阶之路】C++11——正则表达式

序言

 正则表达式，简而言之就是用来匹配指定模式字符串的工具，在计算机的世界中，它发挥着很大的作用，比如编译器的词法分析，注册时验证密码的复杂度，爬虫爬取固定格式的数据时等场景都要用到。那么本篇的目的就是能够让大家快速上手正则表达式，并学会相关的接口。下面将先从使用规则入手，先上手正则表达式，再介绍C++11库中给出的接口，编写出能够匹配指定规则字符串的正则表达式，因此就算不懂C++也能学会使用正则表达式。

一、基本规则

测试工具

推荐一个方便进行正则表达式测试的网站：https://regex101.com，这一个就够了。

说明：在Vscode下按下 CTRL + F，以及网页代码的编写界面中 也可以使用正则表达式进行测试，感兴趣的读者可自行了解。

---

先介绍一下使用此网站匹配的效果，即当输入字符串时，如果匹配正则表达式的内容，则会以高亮的形式显示出来，如下图。

限定符

• 一般来说，限定符限定是前面的字符的出现次数，通常使用的有+，*，？，{n,m}，{n,} ，{n}。

先来看+，表示限制前面的字符出现1次或者多次。举个例子，当使用a+去匹配aabb时，aa的部分会以高亮的形式显示出来，如下图。

再来看*，表示前面的字符出现任意次，比上面的+的区别是可以出现0次。举个例子，当使用ca*bb去匹配cbb时,cbb会以高亮的形式显示出来，原因就在于a*，表示a可以出现0次，效果如下图。

接着来看？，表示前面的字符出现1次或者0次。，当使用ca?bb去匹配cbb时,cbb会以高亮的形式显示出来，效果如下图。

最后来看，{n,m}，{n,} ，{m}分别表示前面的字符出现n到m次，至少出现n次，m次，可以帮助更好地控制字符的出现次数。举个例子，使用的匹配字符串为aaaaa，当分别使用a{3}，a{3,}，a{3,4}匹配时，分别为a出现3次，a出现至少3次，a出现3次到4次。效果如下图。

除此之外，这里再多介绍一个基本上是万能的字符.，即表示匹配除换行符之外的任意一个字符。比如说hell. world，就可以完全匹配hello world，效果如下图，并且一般来说常见的组合是.*即表示匹配除换行符之外的字符任意次。

介绍到这里你或许会觉得正则表达式这么简单么，当然不是，上面所说的仅仅是很简单的用法而已，还要搭配着其它的正则表达式的字符进行使用才有更高阶的玩法，下面介绍一些可以进行搭配使用的字符。

定位符

 常见的一般来说有^和$，分别表示匹配行首的字符串和行尾的字符串，这个十分简单，举个例子，分别使用 ^aa和aa\$分别去匹配aaaa，分别只会匹配前面的aa和后面的aa，效果如下图。

表达式

常见的一般来说有()为子表达式，存放的是指定要求的匹配模式，[]为中表达式，存放的是字符的范围。

首先来看()，光看理论是不容易理解的，直接看例子，比如说(aa)?bb，其中aa表示可以匹配0次或者一次，去匹配aabb和bb，都能匹配成功，效果如下图。

除此之外，这里再介绍一个逻辑字符 |，表示或的意思，配合()可以用来匹配指定条件的字符串，比如(aa|ac)bb，就可以匹配aabb以及acbb，效果如下图，在筛选出固定后缀的字符串时比较适用。

再来看[]，同理还是直接看例子，比如b[az]c，就可以匹配bac以及bzc，效果如下图。

除此之外，这里也要多介绍一个^表示逻辑取反的意思，比如a[^be]c ，可以匹配除了abc和aec之外的a.c模式的字符串，效果如下图。

补充：除了放指定满足要求的字符外，还可以放字符的范围，比如[a-z]表示所有的小写字母，[0-9]表示所有的数字字符，等等。

等价替换

在正则表达式中，[]中存放表示范围的字符或许太常用了，比如[a-z]，[0-9]，所以采用了一些特殊字符将其等价替换，常见的有\d，对应着[0-9]，与之相反的是\D，对应着[^0-9] , \w对应着[a-z]，与之相反的是\W对应着[^a-z] ，\s对应着 [ \f\n\r\t\v]，即可以匹配任意的空格符，制表符，换行符等，与之相反的是\S，对应着[^\f\n\r\t\v] 。举个例子，比如\d\w\s，即可匹配小写字母字符 + 数字字符 + 换行符默认的字符串，效果如下图。

 读到了这里相信各位已经对正则表达式有了一个基本的认识，恭喜你简单入门了! 不过还需各位进行实践解锁更多玩法，下面将介绍C++11提供的正则表达式的基本接口。

二、接口介绍

 C++11中引入了<regex>库，即引入了关于正则表达式的调用接口的库，主要包含std::regex类用于存放正则表达式，std::smatch类用于存放匹配的结果，std::regex_match进行全文匹配，std::regex_search进行搜索匹配项，std::regex_replace用于替换与正则表达式匹配的字符串。展开来讲还有很多，感兴趣的读者可自行到官方文档——cplusplus了解。

1.正则表达式

 regex，即正则表达式对象，用于设置目标字符串的正则表达式，用字符串进行初始化和赋值，里面包含一些接口mark_count获取子表达式的数量，flags用于设置匹配的模式，imbue与getloc设置与获取区域设置等等。

说明：

• 子表达式，简单理解为正则表达式中一对()即为一个子表达式。
• 匹配模式，比如设置为icase，即为忽略大小写。
• 区域设置，与时间，地区，语言，字符集等内容相关。比如设置UTF-8，GBK，ASCII编码等不同的字符集。

2.容器

• smatch，存放匹配结果的容器，用于匹配string类型的对象，类似的还有cmatch。
• 如果没有匹配成功则为空；如果匹配成功，下标为0处存放的是匹配的结果，下标为1处存放的是第一个子表达式，下标为2处存放的是第二个子表达式，以此类推。
• 常用的接口有prefix与suffix分别用于获取匹配结果的前缀和后缀，length与position分别用于获取指定下标处的字符串的长度和在原字符串的位置，str和[]用于获取指定下标处的匹配结果，empty和ready分别用于检测是否为空和是否在之前被调用过。

3.全文匹配

• 函数名——regex_match
• 参数
  • string，匹配的字符串。
  • smatch，输出型参数，存放匹配的结果。
  • regex，正则表达式对象。
• 返回值，匹配成功为true，反之为false。

demo

#include<iostream>
#include<regex>
#include<string>
using namespace std;
int main()
{
	smatch res;//存放结果
	string str = "subject";
	string pattern("(sub)(.*)");
	regex r(pattern);	
	bool ret = regex_match(str,res,r);
	if (ret)
	{
		cout << "匹配成功" << endl;
		cout << "匹配的结果为:" << res[0] << endl;
		cout << "第一个子表达式为:" << res[1] << endl;
		cout << "第二个子表达式为:" << res[2] << endl;
	}
	else
	{
		cout << "匹配失败" << endl;
	}
	return 0;
}

output

• 拓展：使用正则表达式获取解析Http协议字段

#include <iostream>
#include <string>
#include <regex>
#include <iterator>
using namespace std;
int main() 
{
	//全文匹配，使用子表达式存放解析结果，只提取出请求方法，域名信息，查询字段(可能有或者没有)。
	smatch res;
	string str = "GET /blog.csdn.net/Shun_Hua?user=xiaoming&pass=123123 HTTP/1.1\r\n";
	string pattern("(GET|HEAD|POST|PUT|DELETE) ([^?]*)(?:\\?(.*))? HTTP/1\\.[01](?:\r\n|\n)?");
	//(GET|HEAD|POST|PUT|DELETE)请求方法的匹配。
	//([^?]*)表示匹配非问号字符串，用于获取域名。
	
	//\\?，首先？是特殊字符，要想正常匹配得使用\进行转义，\也是特殊转义字符，要想使用得再使用\进行转义。
	//(.*)，.*是对任意字符串进行匹配。
	//?:\\?，表示不提取?到res中
	//(\\?(.*))?，表示子表达式出现0次或者1次。
	//(?:\\?(.*))?，子表达式出现0次或者1次，不提取?，提取(.*)到res中。
	
	//HTTP/1\\.[01],匹配版本号。

	//(?:\r\n|\n)?，同理表示匹配\r\n或者\n，0次或者1次，且不提取。

	regex r(pattern);
	bool ret = regex_match(str, res, r);
	if (ret)
	{
		cout << "匹配成功" << endl;
		for (auto e : res)
		{
			cout << e << endl;
		}
	}
	else
	{
		cout << "匹配失败" << endl;
	}
	return 0;
}

output

4.搜索

• 函数名——regex_search
• 参数
  • string，匹配的字符串。
  • smatch，输出型参数，存放匹配的结果。
  • regex，正则表达式对象。
• 返回值，匹配成功为true，反之为false。

demo:

#include <iostream>
#include <string>
#include <regex>
int main()
{
	string str("this subject has a marine.");
	smatch res;//存放结果
	regex r("subject"); 
	bool ret = regex_search(str, res, r);
	if (ret)
	{
		cout << "匹配成功" << endl;
		cout << "匹配的结果为:" << res[0] << endl;
		cout << "前缀为：" << res.prefix() << endl;
		cout << "后缀为：" << res.suffix() << endl;
	}
	else
	{
		cout << "匹配失败" << endl;
	}
	return 0;
}

output:

5.替换

• 函数名——regex_replace
• 参数
  • string，匹配的字符串。
  • regex，正则表达式对象。
  • string，用于替换的字符串。
• 返回值，匹配成功为true，反之为false。

demo

#include <iostream>
#include <string>
#include <regex>
#include <iterator>
using namespace std;
int main()
{
	string s("there is subject in the string\n");
	regex e("subject"); 
	string rep = "something";
	cout << std::regex_replace(s, e, rep) << endl;
	return 0;
}

output

尾序

 本篇介绍了正则表达式的基本使用以及C++11中提供的接口，总的来说入门正则表达式并不难，难的是如何活学活用，剩下就靠各位读者实践解锁更多玩法了，我是舜华，期待与你的下一次相遇！