Understanding Marked Sub-Expressions and Captures

原文： http://www.boost.org/doc/libs/1_64_0/libs/regex/doc/html/boost_regex/captures.html

Captures其实是指一系列符合某个子表达式（Sub-Expressions）的匹配结果，因为每一个子表达式可能会匹配多个结果。

Marked sub-expressions

在Perl正则表示中使用括号括起来的部分就叫做子表达式Sub-Expression

(\w+)\W+(\w+)

在这句表达式中，有两个子表达式称为$1、$2，并且整个匹配表示称为$&，所有在匹配前的内容称为$`，所有在匹配后的内容称为$'。所以上面的表示去匹配"@abc def--"，就会获得如下结果：

Sub-expression	Text found
$`	"@"
$&	"abc def"
$1	"abc"
$2	"def"
$'	"--"

在Boost.Regex中，当调用匹配相关算法（regex_search，regex_match或者regex_iterator）时，就会将以上的这些结果保存到match_results的对象中，比如

boost::match_results<IteratorType> m;

那么在Perl和Boost.Regex中就相当于

Perl	Boost.Regex
$`	m.prefex()
$&	m[0]
$n	m[n]
$'	m.suffix()

在Boost.Regex，每一次匹配结果都被表示为一个sub_match对象，其实就是一系列迭代器，用来存储匹配内容的位置，但是这个sub_match对象上有一些重载方法让这个对象操作起来更像std::basic_string对象，比如比较字符串、字符串添加、输入输出流等。

Unmatched Sub-Expressions

当一个正则表达式匹配完成，且并非所有的子表达式都被匹配完成，如

(abc)|(def)

是可以匹配$1或$2两者之一，但却无法同时匹配两者。在Boost.Regex，可以通过成员对象sub_match::matched来确定哪一个子表达式被匹配了。

Repeated Captures

当某个表达式被多次匹配，通常只有最后一次匹配的内容被保留，如

(?:(\w+)\W+)+

来匹配

one fine day

那么$1只会包含day，所有之前的匹配会被forgotten掉。

然而Boost.Regex目前有一种实验性的特性，可以获得所有匹配结果，就是通过match_results::captures和sub_match::captures这两个方法，下面是演示程序：

#include <boost/regex.hpp>
#include <iostream>

void print_captures(const std::string& regx, const std::string& text)
{
   boost::regex e(regx);
   boost::smatch what;
   std::cout << "Expression: \"" << regx << "\"\n";
   std::cout << "Text: \"" << text << "\"\n";
   if(boost::regex_match(text, what, e, boost::match_extra))
   {
      unsigned i, j;
      std::cout << "** Match found **\n Sub-Expressions:\n";
      for(i = 0; i < what.size(); ++i)
         std::cout << " $" << i << " = \"" << what[i] << "\"\n";
      std::cout << " Captures:\n";
      for(i = 0; i < what.size(); ++i)
      {
         std::cout << " $" << i << " = {";
         for(j = 0; j < what.captures(i).size(); ++j)
         {
            if(j)
               std::cout << ", ";
            else
               std::cout << " ";
            std::cout << "\"" << what.captures(i)[j] << "\"";
         }
         std::cout << " }\n";
      }
   }
   else
   {
      std::cout << "** No Match found **\n";
   }
}

int main(int , char* [])
{
   print_captures("(([[:lower:]]+)|([[:upper:]]+))+", "aBBcccDDDDDeeeeeeee");
   print_captures("(.*)bar|(.*)bah", "abcbar");
   print_captures("(.*)bar|(.*)bah", "abcbah");
   print_captures("^(?:(\\w+)|(?>\\W+))*$",
      "now is the time for all good men to come to the aid of the party");
   return 0;
}

会收到如下输出：

Expression: "(([[:lower:]]+)|([[:upper:]]+))+"
Text: "aBBcccDDDDDeeeeeeee"
** Match found **
   Sub-Expressions:
      $0 = "aBBcccDDDDDeeeeeeee"
      $1 = "eeeeeeee"
      $2 = "eeeeeeee"
      $3 = "DDDDD"
   Captures:
      $0 = { "aBBcccDDDDDeeeeeeee" }
      $1 = { "a", "BB", "ccc", "DDDDD", "eeeeeeee" }
      $2 = { "a", "ccc", "eeeeeeee" }
      $3 = { "BB", "DDDDD" }
Expression: "(.*)bar|(.*)bah"
Text: "abcbar"
** Match found **
   Sub-Expressions:
      $0 = "abcbar"
      $1 = "abc"
      $2 = ""
   Captures:
      $0 = { "abcbar" }
      $1 = { "abc" }
      $2 = { }
Expression: "(.*)bar|(.*)bah"
Text: "abcbah"
** Match found **
   Sub-Expressions:
      $0 = "abcbah"
      $1 = ""
      $2 = "abc"
   Captures:
      $0 = { "abcbah" }
      $1 = { }
      $2 = { "abc" }
Expression: "^(?:(\w+)|(?>\W+))*$"
Text: "now is the time for all good men to come to the aid of the party"
** Match found **
   Sub-Expressions:
      $0 = "now is the time for all good men to come to the aid of the party"
      $1 = "party"
   Captures:
      $0 = { "now is the time for all good men to come to the aid of the party" }
      $1 = { "now", "is", "the", "time", "for", "all", "good", "men", "to",
         "come", "to", "the", "aid", "of", "the", "party" }

这里要注意，使用这种特性是以性能为代价的，只要打开这种特性，即使不使用多匹配结果，也会付出性能代价，开启方式如下：

• 定义BOOST_REGEX_MATCH_EXTRA，建议定义在boost/regex/user.hpp，然后重新编译工程
• 在相关匹配算法函数（regex_search，regex_match，或者regex_iterator）调用时，设置match_extra参数