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-expressionText 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

PerlBoost.Regex$`m.prefex()$&m[0]$nm[n]$'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