一 简介
概括而言,使用正则表达式处理字符串的流程包括:
用正则表达式定义要匹配的字符串的规则,
然后对目标字符串进行匹配,
最后对匹配到的结果进行操作。
C++ 的 regex 库提供了用于表示正则表达式和匹配结果的基本类型,以及搜寻、匹配、替换等函数。
二 基本类型
2.1 basic_regex 及其实例化类型 regex、wregex
模板类型 basic_regex 用于表示正则表达式对象, 库提供了它的两种实例化类型:
typedef basic_regex regex;
typedef basic_regex wregex;
构造函数一般接受一个字符串作为参数,如
std::regex reg ("[0-9A-Z]+");
构造函数中还有一个默认参数flags,默认值为 std::regex::ECMAScript,该参数可以用来设置正则表达式所采用的语法,如 std::regex::grep, std::regex::awk 等,也可以设置 case insensitive。flags 的多个值用比特位 OR 操作|连接,如
std::regex ninth ("\\bd\\w+", ECMAScript | icase );
但是正则语法的flag只能设置一种。
2.2 match_results、sub_match 及其实例化类型
match_results 是一种 container-like 的模板类,用于存放对目标串执行完 regex matching 操作后匹配到的结果,其中的每个元素(即每个匹配结果)是一个 sub_match 的实例化对象。
match_results 的实例类型有下列四种:
typedef match_results cmatch;
typedef match_results wcmatch;
typedef match_results<:const_iterator> smatch;
typedef match_results<:const_iterator> wsmatch;
与 match_results 相似,sub_match 的实例化类型也有四种:
typedef sub_match csub_match;
typedef sub_match wcsub_match;
typedef sub_match<:const_iterator> ssub_match;
typedef sub_match<:const_iterator> wssub_match;
sub_match 对象存储的不是匹配到的字符串本身,而是指向这个串开始(initial)和结束后一个字符(past-the-end)的 bidirectional iterators,但是它们表现起来类似于一个字符串:
成员函数 length 返回字符串长度;
compare 用于和一个字符串或另一个 sub_match 对象比较,相等则返回0,不等则:若它比参数小(字典序)返回一个负值,否则返回一个正值;
str 返回对应的字符串。
根据一次匹配的结果,match_results 可能为空也可能不空,使用 match_results::empty() 来判空,使用 match_results::size() 来获取元素个数。对于一个不空的 match_results 对象,其第一个 sub_match 元素([0])对应着整个完整匹配,后续的元素对应着正则表达式中的 sub-match(即用()括起来的各个分组匹配),未匹配的部分可以通过 prefix 和 suffix 来获取。下面是一个简单的例子,参考自 boost的文档:
#include
#include
#include
int main() {
std::string target = "@abc def--";
std::regex e("(\\w+)\\W+(\\w+)");
std::smatch sm;
std::regex_search(target, sm, e);
std::cout << "sm.prefix: " << sm.prefix() << std::endl;
for (int i = 0; i < sm.size(); ++i) {
std::cout << "sm[" << i << "]: " << sm[i] << std::endl;
}
std::cout << "sm.suffix: " << sm.suffix() << std::endl;
return 0;
}
Output:
======================================
sm.prefix: @
sm[0]: abc def
sm[1]: abc
sm[2]: def
sm.suffix: --
三 正则操作
3.1 regex_match
用于将目标串和正则表达式匹配,返回一个 bool 值,true 为匹配,false 为不匹配。匹配的含义是目标字符串必须完全和正则表达式相匹配,不能有多余的字符,如果需要部分匹配则应使用regex_search。函数签名有很多,详见cplusplus.com。
构造函数分成两种:
一种接受一个 match_results 作为对象,参数顺序为:
- 待匹配的字符串,
- match_results 对象,
- 正则表达式对象;
另一种没有 match_results,参数顺序为:
- 待匹配的字符串,
- 正则表达式对象。
此外,构造函数还接受一个可选的 flags 参数,用于控制匹配选项,详见上述链接。
3.2 regex_search
只要目标字串中有一个字串(无论该子串在字符串中什么位置)能和正则表达式相匹配就返回true。函数签名同regex_match相似。
3.3 regex_replace
该函数有多个重载版本,常用的版本中参数顺序基本上为 s,rgx,fmt,flags,其中:
s 为要处理的字符串,
rgx 为要匹配的正则表达式,
fmt 为要替换的字符串,其中可以包含格式化字符,
flags为可选的参数,用于设置一些选项。
参数 fmt 中可以包含下列格式化字符:
characters
replacement
$n
表示第n组匹配,n大于0
$&
表示整个匹配
$`
prefix
$´
suffix
$$
表示$这个字符本身
在替换时,会先将参数 fmt 中的格式化字符替换成相应的内容,然后再将这个字符串替换掉目标字符串中的完整匹配(相当于 $& 或 match_results[0])。