boost regex 详解

boost::regex的默认正则表达式语法是perl语法
        boost::regex支持perl regular表达式、POSIX-Extended regular表达式和POSIX-Basic Regular表达式，但默认的表达式语法是perl语法，如果要使用其余两种语法需要在构造表达式的时候明确指定。

        例如，下面两种方法效果相同
        // e1 is a case sensitive Perl regular expression:
        // since Perl is the default option there's no need to explicitly specify the syntax used here:
        boost::regex e1(my_expression);
        // e2 a case insensitive Perl regular expression:
        boost::regex e2(my_expression, boost::regex::perl|boost::regex::icase);

perl正则表达式语法
        perl正则表达式语法可参见《perl语言入门》第7、8、9章或boost的文档。这里列出的语法是不全面的，而且部分说明可能并不清楚。

        . 任意字符;使用match_no_dot_null标志时不匹配NULL字符; 使用match_not_dot_newline时不匹配换行字符

        ^ 匹配行的开始
        $ 匹配行的结束
        * 重复零次或则更多,例如a*b可匹配b,ab,aab,aaaaaaab
        + 重复一次以上，例如a+b可匹配ab,aab,aaaaaaaab。但不能匹配b了
        ? 零次或则一次，例如ca?b匹配cb,cab但不匹被caab   
        a{n} 匹配字符'a'重复n次
        a{n,}，字符a重复n次以上（含n次）
        a{n,m} a重复n到m次（含）

        *?   匹配前一个原子零次以上
        +?   匹配前一个原子一次以上
        ??   匹配前一个原子零次以上
        {n,}?  匹配前一个原子n次以上(含)
        {n,m?  匹配前一个原子n到m次(含)

        | 或操作，例如ab(d|ef)匹配abd或则abef
        [] 字符集操作，例如[abc]将匹配任何单个字符'a'，'b'，'c'
        [a-d]，表示a、b、c、d
        ^否操作，例如[^a-c]表示a至c之外的所有字符

boost::regex对unicode编码的支持
        boost::regex使用ICU来实现对unicode及unicode变种的支持，这需要在编译boost的时候指出是否使用ICU以及ICU所在的目录。否则编译出来的boost::regex不支持unicode编码。其中boost::wregex支持unicode编码的搜索，如果要搜索UTF-8、UTF-16、UFT-32编码的字符串，则要用boost::u32regex。注意boost::wregex只能支持unicode编码，不能支持uft编码。

搜索时如何忽略大小写
        如果要在搜索时忽略大小写（即大小写不敏感），则要用到表达式选项boost::regex::icase，例如： boost::regex e2(my_expression, boost::regex::perl|boost::regex::icase);

 

模板类：

l         basic_regex          用来保存一个“正则表达式”的类。

l         sub_match            继承于pair<Iterator,Iterator>迭代器组，用来表示匹配的一个结果。

l         match_results             sub_match的容器，用来表示一次搜索或匹配算法的所有结果，类似于vector<sub_match>。

算法：

l         regex_math   匹配算法，测试一个字符串是否和一个正则式匹配，并通过match_results返回结果。

l         regex_find     查找算法，查找字符串的一个和正则式匹配的字串，并通过match_results返回结果。

l         regex_format       替换算法，查找字符串中的所有匹配正则式的字串，并使用“格式化字符”串替换。

迭代器：

l         regex_iterator      枚举一个字符串中所有匹配的字串，regex_iterator的结果相当于match_results。

l         regex_token_iterator 枚举一个字符串中所有匹配的字串，regex_iterator的结果相当于sub_match。

 

详述

l       basic_regex

template <class charT, class traits = regex_traits<charT>, class Allocator = std::allocator<charT>  >

class basic_regex;

typedef basic_regex<char> regex;

typedef basic_regex<wchar_t> wregex;

很明显，charT是正则式的字符类型，regex和wregex是basic_regex的两个特化。

注意，正则式的字符类型要和需要匹配的字符串的字符类型相同。例如：不能在regex_find算法中分别使用string和wregex最为参数，要么是string和regex，要么是wstring和wregex。

构造函数：

basic_regex re	产生空的正则式
basic_regex re(str)	正则式为str，str可以为basic_string，也可以是0结尾的char*字符串。
Basic_regex re(re2)	拷贝构造。
basic_regex re(str,flag)	正则式为str，使用flag语法选项，flag是一组常量的组合。例如：icase可以使正则式匹配忽略大小写。
basic_regex re(beg,end)	使用迭代器构造正则式。可以是basic_string的迭代器，也可以是const char*。
basic_regex re(beg,end,flag)	使用迭代器构造正则式，flag是语法选项。

常用的语法选项：

regex_constants::normal	默认的语法。符合EMCAScript,JavaScript中的正则式。
regex_constants::icase	匹配的时候忽略大小写。
regex_constants::nosubs	不把匹配的子串保存进match_results结构。
regex_constants::collate	对于[a-b]的匹配，考虑地区

 

语法选项通过或运算来结合。在basic_regex中这些语法选项也进行了定义，所以可以写成regex::normal，这要比regex_constants少打好几个字母了吧！J

assign成员函数：

re.assign(re2)	复制一个正则式
re.assign(str)	正则式为str。
re.assign(str, flag)	正则式为str，使用flag语法选项，flag是一组常量的组合。
re.assign(beg, end)	使用迭代器构造正则式。
re.assign(beg, end, flag)	使用迭代器构造正则式，flag是语法选项。

 

其实basic_regex很多用法和basic_string很像，因为正则表达式也是个字符串嘛！

迭代器：

regex::iterator it	常迭代器类型，即const_iterator
re.begin()	返回的是常迭代器哦！const_iterator
re.end()	没有逆向迭代器。

例如：copy(re.begin(), re.end(), ostream_iterator<char>(cout));

其他：

re.size()	正则表达式长度，即str的长度。
re.max_size()	正则表达式的最大长度。
re.empty()