CSP-J2021第三题——字符串处理

原题链接
先说一下今年的题目特点，那就是并没有考到复杂的算法，而是考了一些应用性较强的内容，比如第三题的字符串处理。很多OI选手对字符串处理都不擅长，导致这道题失分。其实，今年的题目还是很简单的。下面，我们来探讨一下这道题的几种解法。（只介绍字符串处理部分，其他地方太简单，正常人都能写出来）

一、正则表达式匹配

先介绍一下正则表达式：（详细教程看这里）
正则表达式是匹配字符串的一种模式。经常用到的语法有：

字符	意义
+	表示前面的字符至少出现1次，无上限。
*	表示前面的字符至少出现0次，无上限。
?	表示前面的字符只能出现0或1次。
[]	匹配括号中的字符之一。如果字符在一个区间里，可以用-连接，如[0-9]表示匹配一个数字，[a-zA-Z]表示匹配一个字母。
.	匹配任意非换行的字符。
\	转义字符，所有在该表格内的字符（当然还包括其它的），如果想匹配它，必须前面加上一个\。而一些普通字符加上了\，就有了特殊含义。注意，在C++中，\本来就表示转义字符，所以要写两个\，比如匹配一个星号，要写"\\*"。
{m,n}	表示前面的字符至少出现m次，最多出现n次。
{m,}	表示前面的字符至少出现m次，无上限。（注意，m后面有逗号）
{m}	表示前面的字符只能出现m次。
\d	匹配一个数字，即[0-9]。
()	有两个作用，第一个是表示一串字符是一个整体，第二个是匹配后可以查看括号里具体匹配了什么。

除了有特殊含义的字符，其它的字符的正则就是它本身，比如想匹配"hello"，正则就是"hello"。
要注意的是，*,+,{}都是贪婪的，也就是说会尽可能匹配更多的字符，如对字符串"你好123"使用正则"(.*)([0-9]+)"，结果并不是"你好","123"，而是"你好12","3"。想避免这种情况，要在它们后面加一个 ? ，如上例，如果用"(.*?)([0-9]+)"，结果就是"你好","123"了。但是，这些都有一个前提，那就是必须先保证匹配成功，才考虑贪婪不贪婪的问题。如"(.*?)([0-9]+)"，尽管它不是贪婪的，但.*还是会匹配"你好"，而不是一个字符也不匹配，因为那样就无法匹配成功了。
接下来，我们学习一下C++中的正则：C++从C++11开始支持正则，而今年的CSP-J标准是C++14，所以说可以使用。使用正则，首先要包含这个头文件：

#include<regex>//STL的一部分，包含关于正则的内容。

C++中关于正则主要有regex_search和regex_match这两个函数，前者要求字符串部分匹配，后者要求字符串完全匹配。还有一个容器，是smatch容器，用于存储正则匹配的结果。
我们来看一下代码（主函数是我写的测试，包含了我能想到的所有错误情况，并不是题解）：

#include <iostream>
#include<regex>
bool match(const std::string& str)
{
	std::smatch m;
	if (std::regex_match(str, m, std::regex("([0-9]{1,3})\\.([0-9]{1,3})\\.([0-9]{1,3})\\.([0-9]{1,3})\\:([0-9]{1,5})")))
	{
		for (size_t i = 1; i < m.size(); ++i)//注意，这里的i要从1开始，因为smatch容器第一个是匹配的字符串整体
		{
			const std::string& s=m.str(i);
			if ((s.size() > 1 && s[0] == '0')/*前导0*/ || (i != 5 && s > "255") || (s > "65535")/*超出范围*/)
			{
				return false;
			}
		}
		return true;
	}
	return false;
}
int main()
{
	const std::string strs[] = {"127.0.0.1:185","255.255.255.255:65535","0.0.0.0:0","256.1.1.1:1","125.0.0.0:1288a",
	"hehe","呵呵","127.0.0:1","7:7:7:7.7","05.04.5.7:8","999999999.99999.9999999.999999:-888"};
	for (const auto& s : strs)
	{
		std::cout << match(s) << '\n';
	}
	return 0;
}

运行结果：

二、sscanf匹配

sscanf函数大家应该熟悉，就是从字符串输入元素，代码很简单，唯一要注意的是，必须用%d输入，%s无法正确匹配（因为第一个就会把所有字符都匹配）。所以这样就有些麻烦了，判断前导0必须求出每个数字的位数，然后一加，和原字符串长度比较。另外，sscanf返回值是成功读入数据数量。
代码：

#include <iostream>
#include<regex>
#include<functional>
bool match(const std::string& str)
{
	std::function<int(int)>func([](int x) {
		int i = 1;
		while (x /= 10)
			i++;
		return i;
	});
	int ip[5];
	if (sscanf(str.data(), "%d.%d.%d.%d:%d", &ip[0], &ip[1], &ip[2], &ip[3], &ip[4]) == 5)
	{
		for (int i = 0; i < 5; i++)
		{
			if ((i != 4 && ip[i] > 255) || ip[i] > 65535)
			{
				return false;
			}
		}
		int sum = 4;
		for (int i = 0; i < 5; ++i)
		{
			sum += func(ip[i]);
		}
		return sum == str.size();
	}
	return false;
}
int main()
{
	const std::string strs[] = {"127.0.0.1:185","255.255.255.255:65535","0.0.0.0:0","256.1.1.1:1","125.0.0.0:1288a",
	"hehe","呵呵","127.0.0:1","7:7:7:7.7","05.04.5.7:8","999999999.99999.9999999.999999:-888"};
	for (const auto& s : strs)
	{
		std::cout << match(s) << '\n';
	}
	return 0;
}

运行结果：

三、手写

自己写个代码来匹配，很麻烦，不推荐使用。

几种算法的比较

正则和sscanf这两个在时间复杂度上，都差不多，单看匹配的速度，sscanf应该比正则快 （等等，我突然发现sscanf好像也支持正则…） ，但sscanf需要求出位数，所以应该不相上下。
而自己手写的，应该是最快的，一般不会超时，但很浪费答题时间，而且还可能有bug，所以还是老老实实用库函数好…