C++正则表达式处理Boost库使用

http://www.wuzesheng.com/?p=965

写在前面：本文是《深入浅出C/C++中的正则表达式库》系列的第二篇，如果对本文感兴趣，相信你也会对《深入浅出C/C++中的正则表达式库——GNU Regex Library》感兴趣。本文主要介绍Boost中的正则表达式库，通过介绍其基本内容与相关接口，希望能够教读者朋友学会如何使用该库。

1. 什么是Boost.Regex? 
Boost是C++中仅次于STL的一套库，它的功能比STL更加全面。这里是Boost的主页，想了解Boost的朋友可以看一下：http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/index.html。需要说明的一点是，Boost目前还不是C++标准库的一部分，因此如果要使用Boost中的库，需要自己安装一下。

Boost.Regex是Boost中的正则表达式库，它是由John Maddock提供的，它的全部文档在这里：http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/index.html

2. Boost.Regex的编译
最新的Boost库是1.42.0，在使用Boost.Regex之前，需要先下载Boost库，可以通过下面两种方式下载：
（1）Http下载，下载地址是http://sourceforge.net/projects/boost/files/boost/1.42.0/
（2）用svn客户端来下载，地址是：http://svn.boost.org/svn/boost/trunk/
我个人比较推荐使用svn客户端来下载，这样的话，如果要更新直接svn update一下，就不用再去重新下载了。

下载好了Boost库，下面开始编译, 本文中我以Linux平台为例进行说明，其它平台的编译方法参见上面提到的文档。下面是具体的步骤：(假设下载完后的，代码解压在了BOOST_ROOT目录)
（1）进入到BOOST_ROOT/libs/regex/build目录
（2）如果要使用静态库，请执行make -fgcc.mak
（3）如果要使用静态库，请执行make -fgcc-shared.mak
执行完上面三步后的，在BOOST_ROOT/libs/regex/build/下会生成一个gcc目录 ，进入该目录 ，可以看到生成了下面四个文件:
（1）libboost_regex-gcc-1_42.a , 这是release版的静态库
（2）libboost_regex-gcc-1_42.so, 这是release版的动态库（共享库）
（3）libboost_regex-gcc-d-1_42.a, 这是debug版的静态库
（4）libboost_regex-gcc-d-1_42.so, 这里debug版的动态库（共享库）
编译好之后的，就可以开始使用了。这里提供一个我编译好的版本，如果读者朋友不想自己编译，可以直接从我这里下载使用，下载完记得校验一下MD5: b6e0d805ea22ba08cb230ca98a517953。
点此下载：libboost_regex.tar.gz。

3. Boost Regex Libray类和接口介绍
（1）basic_regex
basic_regex是一个模板类，它封装了正则表达式的解析和编译，它是Boost.Regex中用来表示正则表达式的对象类型。Boost.Regex定义了两种标准类型，一种是基于单字节字符的regex，另一种是基于宽字符的wregex
关于basic_regex提供的接口，和STL中basic_string所提供的十分类似，具体可以参考：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/basic_regex.html

（2）match_results
match_results是用来表示所有匹配指定正则表达式的字符串的集合的对象类型。Boost.Regex提供了四种标准类型的定义：C单字节字符类型的cmatch, C宽字符类型的wcmatch, C++单字节字符类型smatch, C++宽字符类型wsmatch。match_results所提供的接口参见：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/match_results.html

（3）sub_match
sub_match是用来表示匹配指定正则表达式的字符串的对象类型。match_results就是由sub_match组成的集合类型。
关于sub_match类型，有下面三点需要注意的：
a. sub_match类型的对象只能通过对match_results类型的对象取下标获取
b. sub_match类型的对象可以和std:basic_string或const char*的字符串进行比较
c. sub_match类型的对象可以和std::basic_string或const char*的字符串相加，生成新的std::basic_string类型的字符串
sub_match所提供的接口请参考：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/sub_match.html

（4）reg_match, reg_search和reg_replace
reg_match, reg_search和reg_replace都是Boost.Regex所提供的具体进行正则匹配的算法接口。
reg_match用来判定整个字符串是否匹配指定的的正则表达式, 具体定义参见：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_match.html
reg_search用来判定字符串的某一部分是否匹配指定的正则表达式, 具体定义参见：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_search.html
reg_replace用来把字符串中匹配指定正则表达式的部分替换为指定内容输出，对于不匹配的部分原样输出, 具体定义参见：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_replace.html

4. Boost Regex Libray使用注意事项
（1）在使用之前你需要把Boost的安装目录加入到系统的Path中（当然也可以在编译时直接指定）
（2）需要包含的头文件 boost/regex.hpp
（3）需要依赖的库：下载2中编译好的libboost.tar.gz，取其中任意一个即可，具体如何使用动态/静态库，请自己查阅相关资料
（4）Boost.Regex还提供对Unicode类型的支持，具体细节参加上面提到的文档，我这里不做介绍

5. Boost.Regex使用举例
下面是Boost.Regex使用的一个简单的例子：

  #include <string> 
#include <iostream> 
  
#include "boost/regex.hpp" 
  
int main(int argc, char ** argv) 
{ 
    if (argc != 4) 
    {    
        std::cerr < < "Usage: " << argv[0] << " option regex text\n" 
            << "option: 0 --whole match\n" 
            << "        1 --sub match\n" 
            << "        2 --replace match\n"; 
        return 1; 
    }    
  
    boost::regex oRegex(argv[2]); 
    boost::smatch oResults; 
    std::string strStr(argv[3]); 
    std::string strRes; 
  
    switch (atoi(argv[1])) 
    {    
        case 0: 
            if(boost::regex_match(strStr, oResults, oRegex)) 
            {    
                std::cout << strStr << " matches " << oRegex << "\n"; 
            }    
            else 
            {    
                std::cout << strStr << " doesn't match " << oRegex << "\n"; 
            }    
            break; 
        case 1: 
            if(boost::regex_search(strStr, oResults, oRegex)) 
            { 
                std::cout << strStr << " matches " << oRegex << "\n"; 
            } 
            else 
            { 
                std::cout << strStr << " doesn't match " << oRegex << "\n"; 
            } 
            break; 
        case 2: 
            strRes = boost::regex_replace(strStr, oRegex, "$$$$"); 
            std::cout << "strRes=" << strRes << "\n"; 
            break; 
        default: 
            std::cerr << "Invalid option: " << argv[1] << "\n"; 
            break; 
    } 
} 

下面是程序运行的结果：

1 2 3 4 5 6 7 8

wuzesheng@wuzesheng-ubuntu:~/Program$ !g++ g++ -I./boost_1_42_0 BoostRegex.cpp -L ./boost_1_42_0/libs/regex/build/gcc/ -lboost_regex-gcc-1_42 -o BoostRegex wuzesheng@wuzesheng-ubuntu:~/Program$ ./BoostRegex 0 "http:\/\/www\..*\.com" "http://www.soso.comjfj" http://www.soso.comjfj doesn't match http:\/\/www\..*\.com wuzesheng@wuzesheng-ubuntu:~/Program$ ./BoostRegex 1 "http:\/\/www\..*\.com" "http://www.soso.comjfj" http://www.soso.comjfj matches http:\/\/www\..*\.com wuzesheng@wuzesheng-ubuntu:~/Program$ ./BoostRegex 2 "http:\/\/www\..*\.com" "http://www.soso.comjfj" strRes=$$jfj

以上即是Boost.Regex的主要的内容以及具体使用的一些情况。这里我需要说明一下，由于Boost.Regex所提供的像basic_regex, match_results, sub_match这些类型，它们的封装与C++中string等其它stl容器的封装很相似，因此使用过程中可以做联想类比，以加深理解。另外，像regex_match, regex_search, regex_replace这些算法都是模板函数，而且都有多个重载版本，在使用的时候，注意选择适合自己的应用场景的版本。