C++正则表达式

C++正则表达式regex

头文件—regex

组件

组件 作用 regex 表示有一个正则表达式的类 regex_match 将一个字符序列与一个正则表达式匹配 regex_search 寻找第一个与正则表达式匹配的子序列 regex_replcace 使用给定的格式匹配一个正则表达式 sregex_iterator 迭代器适配器，调用regex_search遍历string中所有匹配的子串 smatch 容器类，保存在string中搜索的结果 ssub_match string中匹配的子表达式结果

regex_search & regex_match 参数

• seq,m,r,mft（字符序列，match对象—必须与seq兼容，regex对象，flag）
• seq,r,mft（同上）

使用正则表达式库

test1—查找违法拼写规则“i除非在c后否则必须在e前”的单词

#include<iostream>#include<regex>using namespace std;int main(){    string pattern("[^c]ei");    pattern = "[[:alpha:]]*" + pattern + "[[:alpha:]]*";    regex r(pattern);    smatch result;    string test_str = "receipt freind theif receive";    if(regex_search(test_str,result,r))        cout<<result.str()<<endl;}

指定regex对象的选项

用法: regex r(re),regex r(re,f), r1 = re, r1.assign(re,f)

flag function icase 忽略大小写 nosubs 不保存匹配的子表达式 optimize 执行速度优先于构造速度 ECMAScript 使用ECMA-262指定语法 basic 使用posix基本的正则表达式语法 extended 使用posix扩展的正则表达式语法 awk 使用posix版本的awk语言的语法 grep 使用posix版本的grep语法 egrep 使用posix版本的egrep语法

test2—匹配指定后缀的文件名字

#include<iostream>#include<regex>using namespace std;int main(){    //注意下面到反斜杠    regex r("[[:alnum:]]+\\.(cpp|cxx|cc)$",regex::icase);    smatch results;    string filename;    while(cin>>filename)    {        if(regex_search(filename,results,r))            cout<<results.str()<<endl;    }}

指定使用正则表达式时的错误

如果我们编写的正则表达式存在错误，则运行时会抛出一个类型为regex_error的异常，regex_error有一个what操作描述发生了什么错误，还有一个code成员返回某个错误类型对应的编码。

正则表达式类和输入序列类型

regex类

regex类保存类型char的正则表达式，wregex类保存类型为wchar_t

匹配和迭代器类型

类型差异不仅在于字符类型，还在于序列是在string中还是在数组中
- smatch :表示string类型序列
- cmatch :表示字符数组序列
- wsmatch:表示宽字符串（string）序列
- wcmatch:表示宽字符数组

note: RE库类型必须与输入序列类型匹配

序列类型 正则表达式类 string regex、smatch、ssub_match、sregex_iterator const char * regex、cmatch、csub_match、cregex_iterator wstring wregex、wsmatch、wssub_match、wsregex_iterator const wchar_t * wregex、wcmatch、wcsub_match、wcregex_iterator

匹配与Regex迭代器类型

sregex_iterator 操作：

操作 作用 sregex_iterator it(b,e,r) 一个sregex_iterator迭代器，遍历b和e表示的string并将it定位到第一个匹配的位置 sregex_iterator end 尾后迭代器 *it(it->) 根据最后一个调用regex_search的结果，返回一个smatch的对象引用或指向smatch的指针 it++ 从序列当前匹配位置开始调用regex_search，返回递增后的迭代器 it++ 从序列当前匹配位置开始调用regex_search，返回递增前的迭代器 it1 == it2(it1 != it2) 如果两个都是尾后迭代器则相等，非尾后迭代器从相同到序列和regex构造则相等

使用sregex_iterator

test3–查找所有违反test1中规则的单词

#include<iostream>#include<regex>using namespace std;int main(){    string pattern("[^c]ei");    pattern = "[[:alpha:]]*" + pattern + "[[:alpha:]]*";    regex r(pattern);    smatch result;    string test_str = "receipt freind theif receive";   /* regex_search(test_str,result,r);    for(smatch::iterator it = result.begin(); it != result.end(); ++it)    {        cout<<it->str()<<endl;    }*/    for(sregex_iterator it(test_str.begin(),test_str.end(),r),end_it; it != end_it; it++)    {        cout<<it->str()<<endl;    }}

使用匹配数据

匹配类型有名为prefix和suffix的成员，分别表示分别表示输入序列中当前的匹配之前和之后部分的ssub_match对象。一个ssub_match对象有str和length的成员，返回匹配的string和string的长度。

test4–prefix & suffix

#include<iostream>#include<regex>using namespace std;int main(){    string pattern("[^c]ei");    pattern = "[[:alpha:]]*" + pattern + "[[:alpha:]]*";    regex r(pattern);    smatch result;    string test_str = "receipt freind theif receive";    for(sregex_iterator it(test_str.begin(),test_str.end(),r),end_it; it != end_it; it++)    {        auto pos = it->prefix().length();        pos = pos > 40? pos - 40 : 0;        cout<<it->prefix().str().substr(pos)            <<"\n\t\t>>> "<< it->str()<<" <<<\n"            <<it->suffix().str().substr(0,40)            <<endl;    }}

smatch操作

操作 作用 m.ready() 如果调用regex_search或regex_match则返回true否则返回false m.size() 如果失败返回0，否则返回最近一次匹配的正则表达式中子表达式的数目 m.empty() 若m.size()为0，则返回true m.prefix() 一个ssub_match对象，表示当前匹配之前的序列 m.suffix() 一个ssub_match对象，表示当前匹配之后的序列 m.length(n) 第n个子表达式的大小默认为0 m.position(n) 第n个子表达式距序列开始的距离 m.str(n) 第n个子表达式匹配的string m.begin(),m.end() m中元素范围迭代器 m.cbegin(),m.cend() 常量迭代器

使用子表达式

正则表达式通常包含一个或多个子表达式。正则表达式通常用括号表示子表达式。

regex r("([[:alnum:]]+)\\.(cpp|cxx|cc)$",regex::icase);

• ([[:alnum:]]+)，匹配一个或多个字符的序列
• (cpp|cxx|cc)，匹配文件扩展名

test5–test2只返回文件名，不带扩展名

#include<iostream>#include<regex>using namespace std;int main(){    regex r("([[:alnum:]]+)\\.(cpp|cxx|cc)$",regex::icase);    smatch results;    string filename;    while(cin>>filename)    {        if(regex_search(filename,results,r))            cout<<results.str(1)<<endl;    //str中参数n表示第n个子表达式，默认为0，表示整个匹配    }}

使用子匹配操作

子匹配操作 作用 matched 一个public bool成员，指出此ssub_match是否匹配了 first，second public数据成员，指向匹配序列的首元素和尾后迭代器 length() 匹配的大小，如果matched为false返回0 str() 返回一个包含输入中匹配部分的string，如果matched为false，返回空string s=ssub 将ssub_match对象ssub转化为string对象s。等价于s＝ssub.str()

test6–匹配并验证电话号码

#include<iostream>#include<regex>using namespace std;bool valid(const smatch &m){    if(m[1].matched)        return m[3].matched && (m[4].matched == false || m[4].str() == " ");    else        return !m[3].matched && m[4].str() == m[6].str();}int main(){    //左"("，三位数字，右")"，"."或"-"或" "，三位数字，"或"-"或" "，四位数字    //"?"表示可有可无    string phone = "(\\()?(\\d{3})(\\))?([-. ])?(\\d{3})([-. ])?(\\d{4})";    regex r(phone);    string s;    while(getline(cin,s))    {        for(sregex_iterator it(s.begin(),s.end(),r),end_it; it != end_it; it++)        {            if(valid(*it))                cout<<"valid:"<<it->str()<<endl;            else                cout<<"invalid:"<<it->str()<<endl;        }    }    return 0;}

使用regex_replace

当我们希望在输入序列中查找并替换一个正则表达式时可以调用regex_replace

替换操作 作用 m.format(dest,fmt,mft) 使用格式化输出，匹配在m中，可选的match_flag_type在mft中。写入迭代器dest指向的目的位置，fmt可以是一个string，也可以是表示字符数组中范围的一对指针 m.format(fmt,mft) 同上，返回一个string，fmt可以是一个string，也可以是指向空字符结尾的字符数组指针 regex_replace(dest,seq,r,fmt,mft) 遍历seq，用regex_search查找与r匹配的子串。使用格式字符串fmt和可选的match_flag_type来标志生成输出，将输出写入迭代器dest指向的位置，并接受一对迭代器seq表示范围 regex_replace(seq,r,fmt,mft) 同上，返回一个string，seq既可以是一个string，也可以是一个指向空字符结尾的字符数组指针

test.7–替换电话号码格式

#include<iostream>#include<fstream>#include<regex>using namespace std;int main(){    ifstream ifs;    string phone = "(\\()?(\\d{3})(\\))?([-. ])?(\\d{3})([-. ])?(\\d{4})";    string fmt = "$2.$5.$7";    regex r(phone);    ifs.open("test7.txt");    if(!ifs)    {        cout<<"test7.txt open error"<<endl;        return -1;    }    string line;    while(getline(ifs,line))    {        cout<<regex_replace(line,r,fmt)<<endl;    }    return 0;}

匹配标志 作用 match_default 同format_default match_not_bol 不将首字符作为行首处理 match_not_eol 不将尾字符作为行尾处理 match_not_bow 不将首字符作为单词首处理 match_not_eow 不将尾字符作为单词尾处理 match_any 如果存在多个匹配，则可返回任意一个匹配 match_not_null 不匹配任何空序列 match_continuous 匹配必须从输入到首字符开始 match_prev_avail 输入序列包含第一个匹配之前的内容 format_default 使用ECMAScript规则替换字符串 format_sed 用posix sed规则替换字符串 format_no_copy 不输出输入序列中未匹配到部分 format_first_only 只替换子表达式的第一次出现