ATL正则表达式库与CAtlRegExp的使用(转）

作者:淡月清风 日期:2009-05-26

 

正则表达式是最强大的文本解析工具之一，

在ATL中 也 提供了一些用于正则表达式的类库(CATLRegExp等)，本文将简要说明这些类库的使用方法。

 

1.CATLRegExp 类

声明：

template <class CharTraits=CAtlRECharTraits>

class CAtlRegExp;

 

初始化：

与微软的 GRETA 类库（微软研究院推出的另一个正则表达式类库）不同， CATLRegExp 并没有在构造函数中提供初始化匹配字符串的方法，而是让使用者通过调用它的 Parse() 方法，使用正则表达式字符串作为参数，就可以构造出一个我们所需要的用于匹配的类，例如我们需要匹配一种时间格式，可以是 h:mm ，也可以是 hh:mm ，那么我们可以这样构造我们的 CAtlRegExp 类：

      CAtlRegExp <> re;

      re.Parse( "{[0-9]?[0-9]}:{[0-9][0-9]}" );

 

ATL 的正则表达式语法和 Perl 的正则表达式语法大同小异，不过有一个值得注意的地方就是 ATL 中用大括号（ { } ）表示其匹配字符串中的 Group ，我们上面的表达式中，就声明了 2 个 Group ，一个是 [0-9]?[0-9] ，另一个是 [0-9][0-9] 。

 

匹配：

调用 CATLRegExp 的 Match() 方法，就可以用该类来进行匹配了， Match 方法的原型如下：

BOOL Match(const RECHAR *szIn,

CAtlREMatchContext < CharTraits > *pContext,

const RECHAR **ppszEnd=NULL) 

 

参数的含义很明显，不过需要注意到第一个参数的型别是： const RECHAR * szIN ，是一个 const 指针，这表明我们可以方便得使用 std::string 类的 c_str() 方法给其传递参数。

 

Match 的结果通过第二个参数 pContext 所指向的 CAtlREMatchContext < > 类来返回， Match 的结果及其相关信息都被存放在 CAtlREMatchContext 类中，我们只要访问 CAtlREMatchContext 的方法和成员就可以得到匹配的结果。

 

2.CAtlREMatchContext 类

声明：

template <class CharTraits=CAtlRECharTraits>

class CAtlREMatchContext

 

使用：

CAtlREMatchContext 通过 m_uNumGroups 成员以及 GetMatch （）方法向调用者提供匹配的结果信息。 m_uNumGroups 代表匹配上的 Group 有多少组， GetMatch() 则根据传递给它的 Group 的 Index 值，返回匹配上的字符串的 pStart 和 pEnd 指针，调用者有了这两个指针，自然可以很方便的得到匹配结果。

 

3. 一个小示例

下面这个例子来源于 MSDN ，演示了 CATLRegExp 和 CAtlREMatchContext 类的典型使用方法：

 

#include "stdafx.h"

#include <atlrx.h>

int main(int argc, char* argv[])

{

   CAtlRegExp<> reUrl;

   // five match groups: scheme, authority, path, query, fragment

   REParseError status = reUrl.Parse(

        "({[^:/?#]+}:)?(//{[^/?#]*})?{[^?#]*}(?{[^#]*})?(#{.*})?" );

   if (REPARSE_ERROR_OK != status)

  {

      // Unexpected error.

      return 0;

   }

  

   CAtlREMatchContext<> mcUrl;

   if (!reUrl.Match(

   "http://search.microsoft.com/us/Search.asp?qu=atl&boolean=ALL#results",

      &mcUrl))

   {

      // Unexpected error.

      return 0;

  }

  

   for (UINT nGroupIndex = 0; nGroupIndex < mcUrl.m_uNumGroups;

        ++nGroupIndex)

   {

      const CAtlREMatchContext<>::RECHAR* szStart = 0;

      const CAtlREMatchContext<>::RECHAR* szEnd = 0;

      mcUrl.GetMatch(nGroupIndex, &szStart, &szEnd);

      ptrdiff_t nLength = szEnd - szStart;

      printf("%d: /"%.*s/"/n", nGroupIndex, nLength, szStart);

   }

}

 

输出 :

0: "http"

1: "search.microsoft.com"

2: "/us/Search.asp"

3: "qu=atl&boolean=ALL"

4: "results"

 

例子中所用的正则表达式为：

({[^:/?#]+}:)?(//{[^/?#]*})?{[^?#]*}(?{[^#]*})?(#{.*})? 以 () 为分界标志，共分成 5 组，第一组是 {[^:/?#]+}: ， ^ 是 “ 非 ” 后面成员的意思，那么也就是说第一组从开头开始，一直到 : 、 / 、 ? 、 # 其中任何一个结束。联系后面的待匹配字符串就可以得出所匹配的结果是 http 。

 

4. 自定义匹配字符串的缩写形式

为了方便， ATL 已经帮我们定义了一些经常用到的正则表达式的简略形式。例如： /d 代表 ([0-9]) 、 /n 代表 (/r|(/r?/n)) 等。这些缩写形式都体现在 CAtlRECharTraitsA/CAtlRECharTraitsW 等类中，把这些类作为模板参数传递给 CATLRegExp 和 CAtlREMatchContext ，我们就可以定义自己的匹配字符串缩写了。

class CAtlRECharTraitsA

{

    static const RECHARTYPE** GetAbbrevs()

    {

        static const RECHARTYPE *s_szAbbrevs[] =

        {

            "a([a-zA-Z0-9])",   // alpha numeric

            "b([ //t])",        // white space (blank)

            "c([a-zA-Z])",     // alpha

            "d([0-9])",         // digit

            "h([0-9a-fA-F])",   // hex digit

            "n(/r|(/r?/n))",    // newline

            "q(/"[^/"]*/")|(/'[^/']*/')",   // quoted string

            "w([a-zA-Z]+)",     // simple word

            "z([0-9]+)",        // integer

            NULL

        };

        return s_szAbbrevs;

    }

};

 

以上是 atlrx.h 摘录下来的代码，可以很清楚地看到 ATL 是通过一个 GetAbbrevs () 函数来定义字符串缩写的。要定义新的缩写形式，我们只需要这样：

Class MyRegTraits : public ATL::CAtlRECharTraitsA

{

public :

    static const RECHARTYPE** GetAbbrevs()

    {

        static const RECHARTYPE *s_szAbbrevs[] =

        {

            "a([a-zA-Z0-9])",   // alpha numeric

            "b([ //t])",        // white space (blank)

            "c([a-zA-Z])", // alpha

            "d([0-9])",     // digit

            "h([0-9a-fA-F])",   // hex digit

            "n(/r|(/r?/n))",    // newline

            "q(/"[^/"]*/")|(/'[^/']*/')",   // quoted string

            "w([a-zA-Z]+)", // simple word

            "z([0-9]+)",        // integer

            "e([0-8]+)",        // 自己添加

            NULL

        };

        return s_szAbbrevs;

    }

};

 

让我们自己定义的 Trait 类继承自 CAtlRECharTraitsA ，然后改写 GetAbbrevs() 函数，增加一些需要的简写就可以被使用了。下面的代码示例了使用了我们自己的类中定义的 “/e” 简略表达：

int main ( )

{

    ATL::CAtlRegExp < MyRegTraits > re ;

    re.Parse( "//e+" );

    ATL::CAtlREMatchContext < MyRegTraits > mc;

   

    BOOL res1 = re.Match( "678", &mc ); // returns TRUE: successful match

    res1 = re.Match ( "999" , &mc ) ;    // returns FALSE ： match fail

}

只要在构造 ATL::CAtlRegExp 和 ATL::CAtlREMatchContext 类时，传递过去我们的 MyRegTraits 类作为 Traits 的参数，就可以直接使用自己定义的简略符号了。

5.CAtlRegExp对中文的支持

 在CAtlRegExp中，默认使用CAtlRECharTraits，实际上是CAtlRECharTraitsA
 要支持ANSI模式下的中文，必须使用CAtlRECharTraitsMB，见如下代码：
注意要包含#include <atlrx.h>。

 char* szText="测试一下地址dgx_lsyd3@163.com看看/r/n";

//匹配电子邮件地址的正则表达式

char * szRegExpEmail="({[a-zA-Z0-9_/.]+@[a-zA-Z0-9]+[/.][a-zA-Z0-9]+[/.]?[a-zA-Z0-9]+})";

 

CAtlRegExp < CAtlRECharTraitsMB > reEmail;

REParseError reError=reEmail.Parse((const ATL::CAtlRegExp<CAtlRECharTraitsMB>::RECHAR *)szRegExpEmail);

if (REPARSE_ERROR_OK != reError)

    return;

 

CAtlREMatchContext < CAtlRECharTraitsMB > mcEmail;

if (!reEmail.Match((const ATL::CAtlRegExp<CAtlRECharTraitsMB>::RECHAR *)szText,&mcEmail))

{

    return;

}

 

char szBuf[260];

for (UINT nGroupIndex = 0; nGroupIndex < mcEmail.m_uNumGroups;++nGroupIndex)

{

    const CAtlREMatchContext<CAtlRECharTraitsMB>::RECHAR* szStart = 0;

    const CAtlREMatchContext<CAtlRECharTraitsMB>::RECHAR* szEnd = 0;

 

    mcEmail.GetMatch(nGroupIndex, &szStart, &szEnd);

 

    memcpy(szBuf,szStart,szEnd-szStart);

    szBuf[szEnd-szStart]=0;

    printf("%s/n",szBuf);

}

输出：
dgx_lsyd3@163.com

6. 结尾

虽然现在 C++ 的社区里已经拥有了 Boost::regex ， GRETA 等非常著名的正则表达式库，可是作为 VC++ 自带的模板库， ATL 中的正则表达式库仍然给我们的工作提供了极大的便利。由于 ATL 是微软官方发布的 Library ，所以它拥有良好的文档说明、严格的测试以及微软官方的技术支持。另外在用 ATL 开发 COM 组件的时候，更可以方便地利用正则库的巨大威力。

原文：
1.http://blog.donews.com/crackme/archive/2006/04/26/847531.aspx 
2.http://www.vckbase.com/document/viewdoc/?id=1256
在MSDN中：ms-help://MS.MSDNQTR.2003FEB.2052/vclib/html/vclrfCAtlRegExp.htm
其他参考：http://www.codeproject.com/KB/string/mfcregex.aspx?df=100&forumid=276265&exp=0&select=1541164