C++“准”标准库Boost学习指南(5)：正则表达式库 Boost.Regex

Boost.Regex

正则表达式是解决大量模式匹配问题的基础。它们常用于处理大的字符串，子串模糊查找，按某种格式tokenize字符串，或者是基于某种规则修改字符串。由于C++没有提供正则表达式支持，使得有些用户被迫转向其它支持正则表达式的语言，如Perl, awk, 和 sed。Regex提供了高效和强大的正则表达式支持，基于与STL同样的前提而设计，这使得它很容易使用。Regex已被即将发布的Library Technical Report接受。

Regex库如何改进你的程序？

• 为C++带来了对正则表达式的支持
  
• 改进有效输入的健壮性
  

在文本处理中常常会用到正则表达式。例如，有很多验证有效性的工作适合使用正则表达式。考虑一个应用程序，它要求输入只由数字组成。而另一个程序可能要求一种特殊的格式，如三个数字，后跟一个字母，再后跟两个数字。你可能要验证邮政编码、信用卡号码、社会保险号码，或者其它东西；使用正则表达式来做这些验证是很简单的。另外一个可以使用正则表达式的地方是文本替换，即用某些文本替换掉另一些文本。假如你需要在很多文档中将单词colour 转换为 color。正则表达式提供了最好的方法来做这个工作，包括同时记住替换 Colour 和 COLOUR, 以及复数形式的 colours, 动词 colourize, 等等。还有一个可以使用正则表达式的地方就是，格式化文本。

许多流行的编程语言，Perl是其中一例，都内建了对正则表达式的支持，但在C++里没有。C++标准在提到正则表达式时也保持了沉默。Boost.Regex是一个非常完善并有效的库，它将正则表达式并入了C++程序，并且它包含了Perl, grep和Emacs等常见工具所使用的几种不同语法。它是最著名的C++正则表达式库之一，既容易使用又异常强大。

Regex 如何适用于标准库？

目前的C++标准库是不支持正则表达式的。这是令人遗憾的，有那么多对正则表达式的需要，有时用户为了编写需要支持正则表达式的程序而不得不放弃使用C++。Boost.Regex填补了标准在这方面的空白，并且它已经被提议加入到下一个版本的C++标准中。Boost.Regex已经被即将发布的Library Technical Report所接受。

Regex

头文件: "boost/regex.hpp"

正则表达式被封装为一个类型 basic_regex的对象。我们将在下一节更深入地讨论正则表达式如何被编译和分析，这里我们首先粗略地看看 basic_regex ，以及这个库中三个最重要的算法。

namespace boost {
  template <class charT,
            class traits=regex_traits<charT> >
  class basic_regex {
  public:
    explicit basic_regex(
      const charT* p, 
      flag_type f=regex_constants::normal);

    bool empty() const; 

    unsigned mark_count() const; 
 
    flag_type flags() const;
  };

  typedef basic_regex<char> regex;
  typedef basic_regex<wchar_t> wregex;
}

成员函数

explicit basic_regex (
  const charT* p, 
  flag_type f=regex_constants::normal);

这个构造函数接受一个包含正则表达式的字符序列，还有一个参数用于指定使用正则表达式时的选项，例如是否忽略大小写。如果p中的正则表达式无效，则抛出一个 bad_expression 或 regex_error 的异常。注意这两个异常其实是同一个东西；在写这本书之时，尚未改变当前使用的名字 bad_expression ，但下一个版本的Boost.Regex将会使用 regex_error.

1. bool empty() const;

这个成员函数是一个谓词，当basic_regex实例没有包含一个有效的正则表达式时返回 true ，即它被赋予一个空的字符序列时。

1. unsigned mark_count() const;

mark_count 返回regex中带标记子表达式的数量。带标记子表达式是指正则表达式中用圆括号括起来的部分。匹配这个子表达式的文本可以通过调用某个正则表达式算法而获得。

1. flag_type flags() const;

返回一个位掩码，其中包含这个basic_regex所设置的选项标志。例如标志 icase, 表示正则表达式忽略大小写，标志 JavaScript, 表示regex使用JavaScript的语法。

1. typedef basic_regex<char> regex;
   
2. typedef basic_regex<wchar_t> wregex;

不要使用类型 basic_regex来定义变量，你应该使用这两个typedef中的一个。这两个类型，regex 和 wregex, 是两种字符类型的缩写，就如 string 和 wstring 是 basic_string<char> 和 basic_string<wchar_t>的缩写一样。这种相似性是不一样的，某种程度上，regex 是一个特定类型的字符串的容器。

普通函数

template <class charT,class Allocator,class traits >
  bool regex_match(
    const charT* str, 
    match_results<const charT*,Allocator>& m,
    const basic_regex<charT,traits >& e,
    match_flag_type flags = match_default);

regex_match 判断一个正则表达式(参数 e)是否匹配整个字符序列 str. 它主要用于验证文本。注意，这个正则表达式必须匹配被分析串的全部，否则函数返回 false. 如果整个序列被成功匹配，regex_match 返回 True.

template <class charT,class Allocator,class traits >
  bool regex_match(
    const charT* str, 
    match_results<const charT*,Allocator>& m,
    const basic_regex<charT,traits >& e,
    match_flag_type flags = match_default);

regex_search 类似于 regex_match, 但它不要求整个字符序列完全匹配。你可以用 regex_search 来查找输入中的一个子序列，该子序列匹配正则表达式 e.

template <class traits,class charT>
  basic_string<charT> regex_replace(
    const basic_string<charT>& s,
    const basic_regex<charT,traits >& e,
    const basic_string<charT>& fmt,
    match_flag_type flags = match_default);

regex_replace 在整个字符序列中查找正则表达式e的所有匹配。这个算法每次成功匹配后，就根据参数fmt对匹配字符串进行格式化。缺省情况下，不匹配的文本不会被修改，即文本会被输出但没有改变。

这三个算法都有几个不同的重载形式：一个接受 const charT* (charT 为字符类型), 另一个接受 const basic_string<charT>&, 还有一个重载接受两个双向迭代器作为输入参数。

Boost.Regex 用法

要使用Bo