c++中正则表达式(regex)
http://www.codeceo.com/article/cpp11-regex-code.html
regex库概览
1.basic_regex:正则表达式是一个通用的模板
typedef basic_regex<char> regex;
typedef basic_regex<char_t> wregex;
2.regex_match:将一个字符序列和正则表达式匹配
3.regex_search:寻找字符序列中的子串与正则表达式匹配的
结果,在找到地一个匹配的结果后就停止匹配查找
4.regex_replace:使用格式化的替换文本,替换正则表达式匹配到
字符序列的地方
5.reegx_iterator:迭代器,用来匹配所有的子串
6.match_results:容器类,保存正则表达式的结果
7.sub_match:容器类,保存子正则表达式匹配的字符序列
ECMASCRIPT正则表达式语法
正则表达式式的语法基本大同小异,在这里就浪费篇幅细抠了。ECMASCRIPT正则表达式的语法知识可以参考W3CSCHOOL。
构造正则表达式
构造正则表达式用到一个类:basic_regex。basic_regex是一个正则表达式的通用类模板,对char和wchar_t类型都有对应的特化:
typedef basic_regex<char> regex;
typedef basic_regex<wchar_t> wregex
//默认构造函数,将匹配任何的字符序列basic_regex();
//用一个以‘\0’结束的字符串s构造一个正则表达式
explicit basic_regex( const CharT* s,flag_type f =std::regex_constants::ECMAScript );
//同上,但是制定了用于构造的字符串s的长度为
countbasic_regex( const CharT* s, std::size_t count,flag_type f = std::regex_constants::ECMAScript );
//拷贝构造,不赘述basic_regex( const basic_regex& other );
//移动构造函数basic_regex( basic_regex&& other );
//以basic_string类型的str构造正则表达式
template< class ST, class SA >
explicit basic_regex( const std::basic_string<CharT,ST,SA>& str, flag_type f = std::regex_constants::ECMAScript );
//指定范围[first,last)内的字符串构造正则表达式
template< class ForwardIt >
basic_regex( ForwardIt first, ForwardIt last, flag_type f = std::regex_constants::ECMAScript );
//使用initializer_list构造
basic_regex( std::initializer_list<CharT> init, flag_type f = std::regex_constants::ECMAScript );
以上除默认构造之外的构造函数,都有一个flag_type类型的参数用于指定正则表达式的语法,ECMASCRIPT、basic、extended、awk、grep和egrep均是可选的值。除此之外还有其他几种可能的的标志,用于改变正则表达式匹配时的规则和行为:
flag_type
effects | |
icase | 在匹配过程中忽略大小写 |
nosubs | 不保存匹配的子表达式 |
optimize | 执行速度优于构造速度 |
有了构造函数之后,现在我们就可以先构造出一个提取http链接的正则表达式:
std::string pattern("http(s)?://([\\w-]+\\.)+[\\w-]+(/[\\w- ./?%&=]*)?"); //匹配规则很简单,如果有疑惑,可以对照语法查看std::regex r(pattern);
值得一提的是在C++中’\'这个字符需要转义,因此所有ECMASCRIPT正则表达式语法中的’\'都需要写成“\\”的形式。我测试的时候,这段regex如果没有加转义,在gcc中会给出警告提示.
regex_search()只查找到第一个匹配的子序列
根据函数的字面语义,我们可能会错误的选择regex_search()这个函数来进行匹配。其函数原型也有6个重载的版本,用法也是大同小异,函数返回值是bool值,成功返回true,失败返回false。鉴于篇幅,我们只看我们下面要使用的这个:
template< class STraits, class SAlloc,class Alloc, class CharT, class Traits >
bool regex_search( const std::basic_string<CharT,STraits,SAlloc>& s,std::match_results<typename std::basic_string<CharT,STraits,SAlloc>::const_iterator, Alloc>& m,const std::basic_regex<CharT, Traits>& e,std::regex_constants::match_flag_type flags = std::regex_constants::match_default );
第一个参数s是std::basic_string类型的,它是我们待匹配的字符序列,参数m是一个match_results的容器用于存放匹配到的结果,参数e则是用来存放我们之前构造的正则表达式对象。flags参数值得一提,它的类型是std::regex_constants::match_flag_type,语义上匹配标志的意思。正如在构造正则表达式对象时我们可以指定选项如何处理正则表达式一样,在匹配的过程中我们依然可以指定另外的标志来控制匹配的规则。这些标志的具体含义,我从cppreference.com 引用过来,用的时候查一下就可以了:
Constant | Explanation |
match_not_bol
|
The first character in [first,last) will be treated as if it is not at the beginning of a line (i.e. ^ will not match [first,first) |
match_not_eol
|
The last character in [first,last) will be treated as if it is not at the end of a line (i.e. $ will not match[last,last) |
match_not_bow
|
"\b" will not match [first,first) |
match_not_eow
|
"\b" will not match [last,last) |
match_any
|
If more than one match is possible, then any match is an acceptable result |
match_not_null
|
Do not match empty sequences |
match_continuous
|
Only match a sub-sequence that begins at first |
match_prev_avail
|
--first is a valid iterator position. When set, causes match_not_bol and match_not_bow to be ignored |
format_default
|
Use ECMAScript rules to construct strings in std::regex_replace (syntax documentation) |
format_sed
|
Use POSIX sed utility rules in std::regex_replace. (syntax documentation) |
format_no_copy
|
Do not copy un-matched strings to the output in std::regex_replace |
根据参数类型,于是我们构造了这样的调用:
std::smatch results;<br>regex_search(html,results,r);
不过,标准库规定regex_search()在查找到第一个匹配的子串后,就会停止查找!在本程序中,results参数只带回了第一个满足条件的http链接。这显然并不能满足我们要提取网页中所有HTTP链接需要。
使用regex_iterator匹配所有子串
严格意义上regex_iterator是一种迭代器适配器,它用来绑定要匹配的字符序列和regex对象。regex_iterator的默认构造函数比较特殊,就直接构造了一个尾后迭代器。另外一个构造函数原型:
regex_iterator(BidirIt a, BidirIt b,
//分别是待匹配字符序列的首迭代器和尾后迭代器 const regex_type& re,
//regex对象 std::regex_constants::match_flag_type m =
std::regex_constants::match_default);
//标志,同上面的regex_search()中的
和上边的regex_search()一样,regex_iterator的构造函数中也有std::regex_constants::match_flag_type类型的参数,用法一样。其实regex_iterator的内部实现就是调用了regex_search(),这个参数是用来传递给regex_search()的。用gif或许可以演示的比较形象一点,具体是这样工作的(颜色加深部分,表示可以匹配的子序列):
首先在构造regex_iterator的时候,构造函数中首先就调用一次regex_search()将迭代器it指向了第一个匹配的子序列。以后的每一次迭代的过程中(++it),都会在以后剩下的子序列中继续调用regex_search(),直到迭代器走到最后。it就一直“指向”了匹配的子序列。
知道了原理,我们写起来代码就轻松多了。结合前面的部分我们,这个程序就基本写好了:
#include <iostream>
#include <regex>
#include <string>
int main()
{std::string tmp,html;while(getline(std::cin,tmp)){tmp += '\n';html += tmp;}std::string pattern("http(s)?://([\\w-]+\\.)+[\\w-]+(/[\\w- ./?%&=]*)?”);pattern = “[[:alpha:]]*” + pattern + “[[:alpha:]]*”;std::regex r(pattern);for (std::sregex_iterator it(html.begin(), html.end(), r), end; //end是尾后迭代器,regex_iterator是regex_iterator的string类型的版本it != end;++it){std::cout << it->str() << std::endl;}
}
下载本页的html源码保存为test.html,编译这个源码测试一下,大功告成:
[regex]g++ regex.cpp -std=c++11 -omain
[regex]main < test.html
regex和异常处理
如果我们的正则表达式存在错误,则在运行的时候标准库会抛出一个regex_error异常,他有一个名为code的成员,用于标记错误的类型,具体错误值和语义如下表所示:
code | 含义 |
error_collate | 无效的元素校对 |
error_ctype | 无效的字符类 |
error_escape | 无效的转移字符或者无效的尾置转义 |
error_backref | 无效的向后引用 |
error_brack | 方括号不匹配 |
error_paren | 小括号不匹配 |
error_brace | 大括号不匹配 |
error_badbrace | 大括号中的范围无效 |
error_range | 无效的(不合法)字符范围 |
error_space | 内存不足 |
error_badrepeat | 重复字符之前没有正则表达式(* + ?) |
error_complexity | 太复杂了,标准库君hold不住了 |
error_stack | 栈空间不足了 |
转载于:https://blog.51cto.com/12218412/1872142
c++中正则表达式(regex)相关推荐
- c++ 模糊搜索 正则表达式_c++中正则表达式(regex)
http://www.codeceo.com/article/cpp11-regex-code.html regex库概览 1.basic_regex:正则表达式是一个通用的模板 typedef ba ...
- C#中使用Regex类来实现正则表达式
前言 在上一篇的文章中,我们介绍了正则表达式的基本语法规则以及含义.那么在编写脚本时我们要如何使用它们呢?在不同的语言中,基本都提供了相对应的类库帮助我们实现,本文主要介绍正则在C#中的使用方法. R ...
- Java中的正则表达式 regex
常用类解析:正则表达式 regex 前言 一.正则表达式 二.匹配规则 三.匹配任意字符 四.匹配数字 五.匹配常用字符 六.匹配空格字符 七.匹配非数字 八.重复匹配 九.正则表达式小总结 十.匹配 ...
- c#中regex的命名空间_C#_详解C#正则表达式Regex常用匹配,使用Regex类需要引用命名空间 - phpStudy...
详解C#正则表达式Regex常用匹配 使用Regex类需要引用命名空间:using System.Text.RegularExpressions; 一.利用Regex类实现验证 示例1:注释的代码所起 ...
- Python中正则表达式用法 重点格式以这个为准_首看_各种问题
20210811 https://www.jb51.net/article/101258.htm 一.惰性模式的概念: 此模式和贪婪模式恰好相反,它尽可能少的匹配字符以满足正则表达式即可,例如: va ...
- iOS中正则表达式的基本使用方法
一.第三方框架RegexKitLite的使用 在ios项目中可以借用第三方框架RegexKitLite来简化对正则表达式的使用,使用方法如下 1.去RegexKitLite下载类库,解压出来会有一个例 ...
- python正则表达regex_Python 正则表达式(RegEx)
版权所有,未经许可,禁止转载 正则表达式是组成搜索模式的字符序列. 正则表达式用于按指定的搜索模式搜索字符串. 正则表达式(RegEx)模块 Python有一个名为re的内置包,用来处理正则表达式. ...
- mysql的正则书写规则_MySql中正则表达式的使用方法描述
MySql中正则表达式的使用方法描述 更新时间:2008年07月30日 08:47:59 作者: 不知道原来mysql支持正则表达式(regex)是定义复杂查询的一个强有力的工具. 这里是一个简单 ...
- java 正则表达式 table_JavaEdge/Java/Java中正则表达式.md at master · VegTableBird/JavaEdge · GitHub...
主要用到的是这两个类 - java.util.regex.Pattern - java.util.regex.Matcher. Pattern对应正则表达式,一个Pattern与一个String对象关 ...
- C#正则表达式Regex类的用法
一.C#正则表达式符号模式 字 符 描 述 \ 转义字符,将一个具有特殊功能的字符转义为一个普通字符,或反过来 ^ 匹配输入字符串的开始位置 $ 匹配输入字符串的结束位置 * 匹配前面的零次或多次的子 ...
最新文章
- 【imx6】/dev中fb和video的对应关系
- Oracle数据库游标在存储过程中的使用
- python 矩形补正方形
- 如何生成文件夹目录树文件
- vc采集网页内frame框架下所有元素(不指定具体table/form)
- CV之MobiLenet:基于openpose利用CMU/MobilenetV2算法实现对多人体姿态(2019湖人勒布朗詹姆斯扣篮)实时估计检测
- 只能计算机论文,谈计算机及人工智能技术发展-人工智能论文-计算机论文.docx...
- Ubuntu14.04 VSCode工程在root下无运行,在非root无法修改配置文件
- java 二叉树迭代器_C,为二叉树实现自定义迭代器(长)
- Linux命令:文件和目录操作
- Maven+SpringMVC+Dubbo 简单的入门demo配置(另一篇)
- mongodb 集群shard_MongoDB分片集群部署详解
- spss数据预处理步骤_Spss的数据预处理
- nginx autoindex美化
- php支付宝接口开发流程,对接支付宝支付接口开发详细步骤(证书签名方式)
- CCNA配置试验之八 帧中继——点到点子接口(point-to-point)
- 典型周期性电信号的测量
- 力扣(66.67)补8.27
- 什么是再生纤维素纤维
- VS2008+VP5开发环境配置
热门文章
- linux系统时间分区的设置方法分享
- 系统集成项目管理工程师目录
- Linux如何修改makefile文件,linux中Makefile的使用
- 宋宝华: 一图理解终端、会话、 进程组、进程关系
- 腾讯地图api_为你的小程序插上地图的“翅膀”,腾讯位置服务亮相阿拉丁大会...
- python默认字体_matplotlib默认字体设置
- python中字符编码:coding utf-8, unicde, defaultencoding, UnicodeDecodeError, UnicodeEncodeError
- 【解题报告】动态规划进阶题(区间DP、树形DP、状压DP入门)
- 自从有了计算机和网络才有信息技术,2015年信息技术会考模拟选择题6(俞同明版)...
- Redraiment猜想----米勒拉宾+分块打表