Boost::Regex代码示例

来源：互联网发布：煤炭线上交易平台知乎编辑：程序博客网时间：2024/05/16 07:20

看一个别人给出的例子，当我们输入“select 字符串 from 字符串”的时候，会得到输出；如果不符合这个格式，就会输出error。注意：在命令行下输入的时候，按ctrl+Z、回车表示行输入结束。

#include <cstdlib> 
#include <stdlib.h> 
#include <boost/regex.hpp> 
#include <string> 
#include <iostream> 
using namespace std;
using namespace boost;
regex expression("select ([a-zA-Z]*) from ([a-zA-Z]*)");
int main(int argc, char* argv[])
{
    std::string in;
    cmatch what;
    cout << "enter test string" << endl;
    getline(cin,in);
    if(regex_match(in.c_str(), what, expression))
    {
        for(int i=0;i<what.size();i++)
            cout<<"str :"<<what.str()<<endl;
    }
    else
    {
        cout<<"Error Input"<<endl;
    }
    return 0;
}

regex对象与regex_match()函数

下面是一个检测两个字符串是否符合指定表达式的例子：

#include <iostream> 
#include <cassert> 
#include <string> 
#include <boost/regex.hpp> 
using namespace std;
using namespace boost;
int main()
{
    regex reg("//d{3}([a-zA-Z]+).(//d{2}|N/A)//s//1");
    string correct = "123Hello N/A Hello";
    string incorrect = "123Hello 12 hello";
    assert(regex_match(correct,reg)==true);
    assert(regex_match(incorrect,reg)==false);
    return 0;
}

reg的格式含义是：三个数字，1个单词，一个任意字符，2个数字或者字符串N/A，1个空格，然后再重复第一个单词。

下面是一个匹配邮件地址的表达式例子：

#include <iostream> 
#include <cassert> 
#include <string> 
#include <boost/regex.hpp> 
using namespace std;
using namespace boost;
int main()
{
    regex reg("//w(.+)@(.+)//.com");
    string correct = "boluo1982107@ccc122.com";
    assert(regex_match(correct,reg)==true);
    return 0;
}

很有意思吧！

regex_search()函数的使用

#include <iostream> 
#include <cassert> 
#include <string> 
#include <boost/regex.hpp> 
using namespace std; 
using namespace boost; 
int main() 
{ 
    regex reg("(new)|(delete)"); 
 smatch m; 
    string s = "Calls to new mustbe followed by delete.  Calling simply new results in aleak!"; 
 int new_counter = 0; 
    int delete_counter = 0; 
    string::const_iterator it = s.begin(); 
//    string::const_iterator end = s.end(); 
    while (regex_search(it,(string::const_iterator)s.end(),m,reg))  
    { 
        m[1].matched ? ++new_counter : ++delete_counter; 
        it = m[0].second; 
    } 
    if (new_counter != delete_counter) 
        cout<<"Leak detected!/n"; 
    else 
        cout<<"Seems OK.../n"; 
    return 0; 
}

在上面的例子中，统计new和delete这两个单词的数目是不是一样。注意：smatch对象，它其实是一个match_results类型，分别用来记录reg中的索引是否被匹配。如果“new”被匹配了，那么m[1].matched就会为真(true)；m[0].second表示it向后移动了，继续匹配剩下的字符串。

m[0]，返回的是对匹配整个正则表达式的子匹配的引用，因此可以确定这个匹配的结束点通常是下次运行regex_search函数的起始点。

regex_replace()函数的使用

顾名思义，它可以用于执行文本替换。它在输入数据中进行搜索，查找正则表达式的所有匹配，对于每个匹配，该算法调用match_results::format，并将结果输出到一个传递给该函数的输出迭代器(output iterator)中。

下面的例子将英式拼法的colour替换为美式拼法的color。如果不使用正则表达式来进行这个拼写的修改，将会非常单调乏味，而且容易出错。问题在于单词中可能存在不同的大小写，而且单词可能还有很多的变形——例如colourize。为了正确地解决这个问题，需要把正则表达式分为3个子表达式：

regex reg("(Colo)(u)(r)",boost::regex::icase|boost::regex::perl);

为了在任何匹配中能够很容易地删除字母u，我们对它进行了隔离。后面的是regex构造函数的标志参数，表示这个正则表达式不区分大小写；设置格式标志过程中的一个常见错误是忽略了regex需要默认启用的那些标志，如果没有设置这些标志，那么它们就不会启用，因此通常情况下必须使用应用应该设置的所有标志。

在使用regex_replace替换时，我们需要以参数的方式提供一个格式化字符串，该字符串决定如何进行替换。如果我们希望保留第一个和第三个匹配的子表达式，那么可以使用$N（N为子表达式的索引）来实现。下面是解决问题的完整代码：

#include <iostream>  
#include <cassert>  
#include <string>  
#include <boost/regex.hpp>  
using namespace std; 
using namespace boost; 
int main() 
{
    regex reg("(Colo)(u)(r)",regex::icase | regex::perl);
    string s = "Colour, colours,color,colourize";
    s = regex_replace(s,reg,"$1$3");
//  s = regex_replace(s,reg,"$1 wocao $3");//尝试在输出字符串中加空格   cout<<s<<endl; 
    return 0; 
}

关于重复和贪婪

#include <iostream>  
#include <cassert>  
#include <string>  
#include <boost/regex.hpp>  
using namespace std; 
using namespace boost; 
int main() 
{
    regex reg("(.*)(//d{2})");
    cmatch m;
    const char * text = "Note that I'm 31 years old, not 32.";
    if (regex_search(text,m,reg))
    {
        if (m[1].matched)
        {
            cout<<m[1].str()<<'/n';
        }
        if (m[2].matched)
        {
            cout<<m[2]<<'/n';
        }
    }
}

上面代码的输出结果是：

Note that I'm 31, not

也就是说，正则表达式中的".*"选项贪婪地吞掉了所有的输入！从而致使后面的子表达式无法获得匹配。按照我们的想法：31应该是符合/d{2}的条件的，应该被输出！但是可惜，它被*吞掉了。在正则表达式中，+和*都是重复性贪婪的。

为了非贪婪的重复，怎么办呢？可以在重复记号后面加一个问号"?"，重复就会变成非贪婪的。修改上面代码的表达式：

regex reg("(.*?)(//d{2})");

再运行程序，结果就变成：

Note that I'm

明白了吧？

regex_iterator的介绍和使用

#include <iostream>   
#include <cassert>   
#include <string>   
#include <boost/regex.hpp>   
using namespace std; 
using namespace boost; 
class regex_callback
{
    int sum_;
public:
    regex_callback():sum_(0){}
    template<typename T> void operator()(const T& what)
    {
        sum_+=atoi(what[1].str().c_str());
    }
    int sum() const
    {
        return sum_;
    }
};
int main() 
{
    regex reg("(//d+),?");
    string s = "1,1,2,3,5,8,13,21";
    sregex_iterator it(s.begin(),s.end(),reg);
    sregex_iterator end;
    regex_callback c;
    int sum = for_each(it,end,c).sum();
}

sregex_iterator是regex_iterator<std::string::const_iterator>的typedef，现在的使用方法更加清晰了。我们可以对比一下前面使用regex_search的时候，不得不在循环中手动地让起始迭代器前进，而且还要手动调用regex_search函数。

regex_token_iterator的介绍和使用

它和regex_iterator相似，但是它列举的是与正则表达式不匹配的字符序列，该特性对于字符串分割非常有用。当解引用regex_token_iterator时，只有被“预订”的子表达式才可以返回。下面这个例子：输入数据的条目之间用“/”分隔，要获得两个斜杠之间的数据；使用regex_token_iterator来分隔处理就特别简单，因为它的表达式简单：regex reg("/")；为了使用这个正则表达式来分割输入，需要将一个特殊的索引-1传递给regex_token_iteraotr的构造函数。

#include <iostream> 
#include <cassert> 
#include <boost/regex.hpp> 
using namespace std;
using namespace boost;
int main()
{
    regex reg("/");
    string s = "Split/Values/Separated/By/Slashes,";
    vector<string> vec;
    sregex_token_iterator it(s.begin(),s.end(),reg,-1);
    sregex_token_iterator end;
    while (it!=end)
        vec.push_back(*it++);
    assert(vec.size()==count(s.begin(),s.end(),'/')+1);
    assert(vec[0]=="Split");
    
    return 0;
}

regex_token_iterator是一个模板类，sregex_token_iterator是迭代器类型，是regex_token_iterator<std::string::const_iterator>的typedef。在上面的程序中，每次解引用返回的都是当前的sub_match，当迭代器前进时，它会尝试再次匹配该正则表达式。

换一个不同类型的输入，也应该能够写出程序来！

#include <string> 
#include <iostream> 
#include <cassert> 
#include <boost/regex.hpp> 
using namespace std;
using namespace boost;
int main()
{
    regex reg(" ");
    char* s="123 456 789 12345";
//  cregex_token_iterator it;   //This is correct, too. 
    regex_token_iterator<char*> it(s,s+strlen(s),reg,-1);
    regex_token_iterator<char*> end;
    while (it!=end)
    {
        cout<<*it++<<endl;
    }
    return 0;
}

当需要反复调用regex_search时，考虑使用这两个iterator，比较方便。

/A和/Z的使用

如果把/A放在正则表达式的开始，把/Z放在正则表达式的最后，那么regex_search函数的行为就可以与regex_match函数的相同——也就是说，regex_search函数必须匹配所有的输入后才能匹配成功。

下面的表达式通常要求所有的输入都能获得匹配，而不管使用regex_match还是regex_search：

regex reg("//A//d*//Z");

对比regex_search和regex_match的使用：

regex reg("//d*");
bool b=regex_match("17 is prime",reg);
//返回失败 
regex reg("//d*");
bool b=regex_search("17 is prime",reg);
//返回true 
regex reg("//d*");
bool b=regex_search("17 is prime",reg);
//仍然返回失败

元字符(^)的使用

元字符用来表示取反。regex reg("[^13579]");它表示一个取反的字符类，可以匹配任意非奇数的字符。

#include <iostream> 
#include <cassert> 
#include <boost/regex.hpp> 
using namespace std;
using namespace boost;
int main()
{
    regex reg("[^13579]");
    string s="0123456789";
    sregex_iterator it(s.begin(),s.end(),reg);
    sregex_iterator end;
    while (it!=end)
        cout<<*it++;
    return 0;
}

上面程序的输出结果为“02468”，如果输入字符串是“abcd”，也会全部匹配（因为它们不是奇数）。

另外，元字符^还可以用来表示一行的开始，元字符$则表示一行的结束。

无效正则表达式与异常抛出

下面这个程序还可以当作正则表达式格式输入的练习：）

#include <string> 
#include <iostream> 
#include <cassert> 
#include <boost/regex.hpp> 
using namespace std;
using namespace boost;
int main()
{
    cout<<"Enter a regular expression:/n";
    string s;
    getline(cin,s);
    try
    {
        regex reg(s);
        cout<<"Now enter a string to be matched:/n";
        getline(cin,s);
        if (regex_match(s,reg))
            cout<<"That's right!/n";
        else
            cout<<"No, that doesn't match!";
    }
    catch (bad_expression & e)
    {
        cout<<"That's not a valid expression! Error: "<<e.what()<<endl;
    }
    return 0;
}

输入/d{5}，输入：12345，输出：That's right!（奇怪，为什么这里输入/d而不是//d呢？输入//d没有抛出异常，却不能正确匹配！如果我输入//d，而这又是一个合法的正则表达式，那么它的匹配字符串是怎样的？）

输入错误的正则表达式：(/w*))，程序会抛出异常。

参考文献：超越c++标准库 Boost