终于用boost的正则库写完了一个文本转换

     过程真是艰苦啊，对文本结构分析的不全面，一度让我以为BOOST的REGEX库有缺陷。还好，最终证明是自己的问题，呵呵，否则重新用其他方法实现的话，真要让人崩溃了。

     但是其中还有一点小问题，类似如下的正则

#define REG_LINE "[ ]*"                                /*标记头*//
                 "((//w+)|"                                        /*元素名情况1  例如:TYPE*//
                 "(/"([^/"]*?)/"))"                                /*元素名情况2  例如:"wms_title"*//
                 "[ ]+"                                    /*空格*//
                 "((/"([^/"]*?)(?=/"))|"                                /*值情况1  例如: "rw:sdf" 也包含了下面的情况2*//
                 "((-?//w+[ ]*)*?(?=//r//n))|"                    /*值情况3  例如: 129 -35 222*//
                 "(//S+))"                                        /*值情况4  ../mapfile/ */

红色部分的表达式获取的是 "sdfsadfsadfdf”  这种形式的内容。但是若引号不想获取，改成 ((?=/")([^/”]*?)(?=/”)) 这种形式，则正则会产生中断，

若改成 [ ]+(?<=/”)(([^/”]*?(?=/”)) ,则正则不错出现中断，但是获取的内容有误

最后的解决方法只能是对获取的 字符串单独进行处理，用此正则 "((?<=/")([^/"]*?)(?=/"))"进行获取，若是"sdfsadfsadfdf”的形式，则获取引号内的内容，若不是这种形式，不处理。

不限次数的嵌套正则写法：

"(1|2|3|4)((?!1|2|3|4|END)(.*?)|(?R))*END"

1，2，3，4是可以作为开头元素的关键字，END是结尾标志，此正则配合迭代器可以获取所有并列的最外层嵌套，如果在用一个循环，则可以获取每一个嵌套的内容，相当之方便。

用了正则表达式对文本的处理确实相当方便。但同时也是一把双刃剑，考虑的情况不周全导致正则表达式设计的不完善，就可以导致许多莫名奇妙的错误，很难检测出来。

我就是吃了这个苦，排错过程相当郁闷，一度认为是BOOST的语法原因，差点都怀疑BOOST的REGEX是否真的如传说中的那么强大了。

哎，满脸都是泪。

 

 

ps:

似乎对于这种表达式：  [ ]*NAME//b[ ]+((//w+)|((?=/")[^/"]*?(?=/")))[ ]*//r//n    红色部分有问题，不能获取直接获取引号中间的内容，只能分2个步骤，先连引号一起获取，然后在单独获取引号内的内容。与上面粉红色标记的情况一样

 .

 

 

对于“|”符号的机制，比如   (/S+|/(.*?/)[ ]*?(?=/n))        boost::regex 里的处理机制是，若第一种（/S+）能匹配，则立刻停止或条件，即使第2种情况（/(.*?/)[ ]*?(?=/n)） 能匹配更长的字符串，比如 (('[ADMINCODE]' eq '330523') or ('[ADMINCODE]' eq '330483')or('[ADMINCODE]' eq '330682'))  ，此正则只能匹配(('[ADMINCODE]'  ，若想匹配整个，则将2种情况互换一下位置即可。即 若正则A和B，A是B的子集，不要写成B|A， 而是 A|B

 

 

 

以上的一些问题在转载的《深入浅出正则表达式》里面介绍机制的时候都提到了一些产生的缘由。比如："?=","|"

 

 

对于这样的正则 ："CONFIG[ ]+?(/"[^(/"|//n)]*?/")[ ]*?/"([^(/"|//n)]*?)/"[ ]*?//r//n"

 

其中红色的部分不算做是一个匹配子集，即此正则内，可以获取的就两个 括号内的内容，其中第一个括号是 (/"[^(/"|//n)]*?/")

第2个括号是 ([^(/"|//n)]*?)  类似于 (?=abc)  ，括号也不算做一个子集