C++ 正则表达式库-RE

目录

1、组件

2、regex

2.1、regex可选标志

3、regex_match和regex_search

3.1、参数

3.2、match_flag_type标志

4、regex迭代器

5、smatch操作

5.1、ssub_match

6、regex_replace

7、正则表达式库类

8、正则表达式错误类型

---

1、组件

正则表达式库组件如下表所示(定义在regex中)。

regex	表示一个正则表达式的类
regex_match	将一个字符序列与一个正则表达式匹配
regex_search	寻找第一个与正则表达式匹配的子序列
regex_replace	使用给定格式替换一个正则表达式
sregex_iterator	迭代器适配器。
smatch	容器类，保存在string中的搜索结果
ssub_match	string中匹配的子表达式的结果

2、regex

regex r(re)	re表示一个正则表达式,它可以是string、表示字符范围的迭代器对、指向空字符结尾的字符数组的指针、字符指针、花括号包围的字符列表。 f的可选值(如果未指定f,其默认值为ECMAScript)。
regex r(re,f)
r1 = re	将r1中的正则表达式替换为re,re表示一个正则表达式。
r1.assign(re,f)	与使用赋值运算符（=）效果相同
r.mark_count()	r中表达式的数目
r.flags()	返回r的标志集

2.1、regex可选标志

标志	说明
icase	在匹配过程中忽略大小写
nosubs	不保存匹配的子表达式
optimize	执行速度优先于构造速度
下面六个标志必须设置其中一个，且只能设置一个
ECMAScript	使用ECMA-262指定的语法
basic	使用POSIX基本的正则表达式语法
extended	使用POSIX扩展的正则表达式语法
awk	使用POSIX版本的awk语言的语法
grep	使用POSIX版本的grep的语法
egrep	使用POSIX版本的egrep的语法

3、regex_match和regex_search

函数regex_match和regex_search确定一个给定字符序列与一个给定regex是否匹配。如果整个输入序列与表达式匹配，则regex_match函数返回true；如果输入序列中的一个子串与表达式匹配，则regex_search函数返回true。

regex_match	将一个字符序列与一个正则表达式匹配	确定一个给定字符序列与一个给定regex是否匹配。若整个输入序列与表达式匹配，则返回true。
regex_search	寻找第一个与正则表达式匹配的子序列	确定一个给定字符序列与一个给定regex是否匹配。若输入序列中一个子串与表达式匹配，则返回true。 注：regex_search在输入序列中只要找到一个匹配的子串就会停止查找。

3.1、参数

（seq,m,r,mft）	在seq中查找regex对象r中的正则表达式。 seq可以是string、表示范围的一对迭代器以及一个C风格字符串指针。 m是一个match对象，用于保存匹配结果的相关细节。m和seq必须具有兼容的类型。 mft是一个可选的regex_constants::match_flag_type值，其会影响匹配过程。
（seq,r,mft）

3.2、match_flag_type标志

定义在std::regex_constants::match_flag_type中。

using namespace std::regex_constants;

标志	说明
match_default	等价于format_default
match_not_bol	不将首字符作为行首处理
match_not_eol	不将尾字符作为行尾处理
match_not_bow	不将首字符作为单词首处理
match_not_eow	不将尾字符作为单词尾处理
match_any	如果存在多于一个匹配，则可返回任意一个匹配
match_not_null	不匹配任何空序列
match_continuous	匹配必须从输入的首字符开始
match_pre_avail	输入序列包含第一个匹配之前的内容
format_default	用ECMAScript规则替换字符串
format_sed	用POSIX sed规则替换字符串
format_no_copy	不输入序列中未匹配的部分
format_first_only	只替换子表达式的第一次出现

4、regex迭代器

当将sregex_iterator绑定到一个string和一个regex对象时，迭代器自动定位到给定string中第一个匹配位置。即，sregex_iterator构造函数对给定string和regex调用regex_serach。

当解引用迭代器时，会得到一个对应最近一次搜索结果的smatch对象。

当递增迭代器时，它调用regex_serach在输入string中查找下一个匹配。

sregex_iterator it(b,e,r);	遍历迭代器b和e表示的string。它调用sregex_search(b,e,r)将it定位到输入中第一个匹配的位置
sregex_iterator end;	sregex_iterator的尾后迭代器。
*it	根据最后一个调用regex_search结果，返回一个smatch对象的引用或一个指向smatch对象的指针
it->
++it	从输入序列当前匹配位置开始调用regex_search. 前置版本返回递增后迭代器；后置版本返回旧值。
it++
it1 ==it2	如果两个sregex_iterator都是尾后迭代器，则它们相等。两个非尾后迭代器是从相同的输入序列和regex对象构造，则它们相等
it1 != it2

5、smatch操作

操作	说明
m.ready()	如果已经通过regex_serach或regex_match设置了m,则返回true;否则返回false。如果ready返回false,则对m进行操作是未定义的。
m.size()	如果匹配失败，则返回0；否则返回最近一次匹配的正则表达式中子表达式的数目
m.empty()	若m.size()为0，则返回true
m.prefix()	一个ssub_match对象，表示当前匹配之前的序列
m.suffix()	一个ssub_match对象，表示当前匹配之后的序列
m.format(...)	格式化。用一个中括号里面跟符号$和子表达式的索引号来表示一个特定的子表达式，如[$1]表示子表达式1。
在接受一个索引的操作中，n的默认值为0且必须小于m.size()。第一个子匹配（索引为0）表示整个匹配
m.length(n)	第n个匹配的子表达式的大小
m.position(n)	第n个子表达式距序列开始的距离
m.str(n)	第n个子表达式匹配的string
m[n]	对应第n个子表达式的ssub_match对象
m.begin(),m.end()	表示m中sub_match元素范围的迭代器。
m.cbegin(),m.cend()	返回const_iterator

5.1、ssub_match

matched	public bool数据成员，指出此ssub_match是否匹配了
first	public数据成员，指向匹配序列首元素和尾后位置的迭代器。 如果未匹配，则first和second是相等的。
second
length()	匹配的大小。 如果matched为false,则返回0。
str()	返回一个包含输入中匹配部分的string。 如果matched为false,则返回空string。
s = ssub	将ssub_match对象ssub转化为string对象s。等价于s=ssub.str()。 注：转换运算符不是explicit的。

6、regex_replace

m.format(dest,fmt,mft)	使用格式字符串fmt生成格式化输出，匹配在m中。 第一个版本写入到迭代器dest指向的目标位置。第二个版本返回一个string，保存输出。 seq可以是string或指向空字符结尾的字符数组的指针。 fmt可以是string或指向空字符结尾的字符数组的指针。 mft默认值为match_default。
m.format(fmt,mft)
regex_replace(dest,seq,r,fmt,mft)	遍历seq,用regex_search查找与regex对象r匹配的子串，使用格式字符串fmt和可选的match_flag_type标志来生成输出。 第一个版本将输出写入到迭代器dest指定的位置。第二个版本返回一个string，保存输出。 seq可以是string或指向空字符结尾的字符数组的指针。 fmt可以是string或指向空字符结尾的字符数组的指针。 mft默认值为match_default。
regex_replace(seq,r,fmt,mft)

用一个符号$后跟子表达式的索引号来表示一个特定的子表达式。

7、正则表达式库类

使用的RE库类型必须与输入序列类型匹配。 

输入序列类型	正则表达式类
string	regex、smatch、ssub_match和sregex_iterator
const char*	regex、cmatch、csub_match和cregex_iterator
wstring	wregex、wsmatch、wssub_match和wsregex_iterator
const wchar_t*	wregex、wcmatch、wcsub_match和wcregex_iterator

8、正则表达式错误类型

一个正则表达式的语法是否正确是在运行时解析的。如果编写的正则表达式存在错误，则在运行时标准库会抛出一个类型为regex_error的异常。regex_error有一个what操作来描述发生了什么错误，其中有一个code的成员，用来返回某个错误类型对应的数值编码。

定义在regex和regex_constants::error_type中
错误类型	说明
error_collate	无效的元素校对请求
error_ctype	无效的字符类
error_escape	无效的转义字符或无效的尾置转义
error_backref	无效的向后引用
error_brack	不匹配的方括号（[或]）
error_paren	不匹配的小括号（(或)）
error_brace	不匹配的花括号（{或}）
error_badbrace	{}中无效的范围
error_range	无效的字符范围（如[z-a]）
error_space	内存不足，无法处理此正则表达式
error_badrepeat	重复字符（*、？、+或{）之前没有有效的正则表达式
error_complexity	要求的匹配过于复杂
error_stack	栈空间不足，无法处理匹配