C++ 正则表达式文档格式.docx
- 文档编号:17867809
- 上传时间:2022-12-11
- 格式:DOCX
- 页数:13
- 大小:98.66KB
C++ 正则表达式文档格式.docx
《C++ 正则表达式文档格式.docx》由会员分享,可在线阅读,更多相关《C++ 正则表达式文档格式.docx(13页珍藏版)》请在冰豆网上搜索。
cout<
"
str:
what[i].str()<
endl;
}
else
cout<
ErrorInput"
return0;
}
结果
输入:
selectnamefromtable
输出:
str:
str:
name
table
按照我们的要求,字符串被匹配挑出来了。
这在处理大量规则的文本格式的时候很有用,因为它很灵活,一通百通。
首先,即使你拥有了boost库,也需要单独编译regex.
如果你不知道boost库,看这里http:
//www.stlchina.org/twiki/bin/view.pl/Main/BoostStartIntroduce
网上的介绍:
boost库安装比较麻烦,需要自己编译源文件,我整理了一下,如果仅仅需要做正则表达式,按下面的代码敲就行了:
cmd
vcvars32.bat
cdD:
\boost_1_32_0\libs\regex\build
d:
nmake-fvc6.mak
nmake-fvc6.makinstall
注意,别看下载下来的数据包没有多大,解压缩之后达到了100多M,编译完之后为109M,占用131M,所以安装时一定注意空出足够的空间,敲入nmake-fvc6.mak后等待的时间比较长,屏幕上还会出现一大堆英语,可以不做考虑。
按照步骤往下敲就行了。
压缩包内文档很详细,参照文档继续就可以了。
在VC6中集成:
Tools->
Options->
Directories->
Includefiles
加入:
D:
\boost_1_32_0
我用的是VS2003做了run.bat
chdirE:
\Program\boost_1_34_1
bjam"
-sTOOLS=vc-7_1"
-sVC71_ROOT=D:
\ProgramFiles\MicrosoftVisualStudio.NET2003\Vc7"
——prefix=E:
\Program\boost"
——builddir=E:
\Program\boost_1_34_1\build"
-sBUILD=debugrelease<
runtime-link>
static/dynamic"
——with-regexinstall
PAUSE
至于参数,需要参考boost安装介绍
其他的一些介绍
boolvalidate_card_format(conststd:
strings)
{
staticconstboost:
regexe("
(\\d{4}[-]){3}\\d{4}"
returnregex_match(s,e);
}
boost:
regex的默认正则表达式语法是perl语法
regex支持perlregular表达式、POSIX-Extendedregular表达式和POSIX-BasicRegular表达式,但默认的表达式语法是perl语法,如果要使用其余两种语法需要在构造表达式的时候明确指定。
例如,下面两种方法效果相同
//e1isacasesensitivePerlregularexpression:
//sincePerlisthedefaultoptionthere'
'
snoneedtoexplicitlyspecifythesyntaxusedhere:
boost:
regexe1(my_expression);
//e2acaseinsensitivePerlregularexpression:
regexe2(my_expression,boost:
regex:
perl|boost:
icase);
perl正则表达式语法
perl正则表达式语法可参见《perl语言入门》第7、8、9章或boost的文档。
这里列出的语法是不全面的,而且部分说明可能并不清楚。
。
任意字符;
使用match_no_dot_null标志时不匹配NULL字符;
使用match_not_dot_newline时不匹配换行字符
^匹配行的开始
$匹配行的结束
*重复零次或则更多,例如a*b可匹配b,ab,aab,aaaaaaab
+重复一次以上,例如a+b可匹配ab,aab,aaaaaaaab.但不能匹配b了
?
零次或则一次,例如ca?
b匹配cb,cab但不匹被caab
a{n}匹配字符'
a'
重复n次
a{n,},字符a重复n次以上(含n次)
a{n,m}a重复n到m次(含)
*?
匹配前一个原子零次以上
+?
匹配前一个原子一次以上
?
{n,}?
匹配前一个原子n次以上(含)
-?
[0-9.]+)
{n,m?
匹配前一个原子n到m次(含)
|或操作,例如ab(d|ef)匹配abd或则abef
[]字符集操作,例如[abc]将匹配任何单个字符'
,'
b'
c'
[a-d],表示a、b、c、d
^否操作,例如[^a-c]表示a至c之外的所有字符
regex对unicode编码的支持
regex使用ICU来实现对unicode及unicode变种的支持,这需要在编译boost的时候指出是否使用ICU以及ICU所在的目录。
否则编译出来的boost:
regex不支持unicode编码。
其中boost:
wregex支持unicode编码的搜索,如果要搜索UTF-8、UTF-16、UFT-32编码的字符串,则要用boost:
u32regex.注意boost:
wregex只能支持unicode编码,不能支持uft编码。
搜索时如何忽略大小写
如果要在搜索时忽略大小写(即大小写不敏感),则要用到表达式选项boost:
regex:
icase,例如:
regexe2(my_expression,boost:
perl|boost:
icase);
模板类:
l
basic_regex
用来保存一个“正则表达式”的类。
sub_match
继承于pair<
Iterator,Iterator>
迭代器组,用来表示匹配的一个结果。
match_results
sub_match的容器,用来表示一次搜索或匹配算法的所有结果,类似于vector<
sub_match>
.
算法:
regex_math
匹配算法,测试一个字符串是否和一个正则式匹配,并通过match_results返回结果。
regex_find
查找算法,查找字符串的一个和正则式匹配的字串,并通过match_results返回结果。
regex_format
替换算法,查找字符串中的所有匹配正则式的字串,并使用“格式化字符”串替换。
迭代器:
regex_iterator
枚举一个字符串中所有匹配的字串,regex_iterator的结果相当于match_results.
regex_token_iterator枚举一个字符串中所有匹配的字串,regex_iterator的结果相当于sub_match.
详述
basic_regex
template<
classcharT,classtraits=regex_traits<
charT>
,classAllocator=std:
allocator<
>
classbasic_regex;
typedefbasic_regex<
char>
regex;
wchar_t>
wregex;
很明显,charT是正则式的字符类型,regex和wregex是basic_regex的两个特化。
注意,正则式的字符类型要和需要匹配的字符串的字符类型相同。
例如:
不能在regex_find算法中分别使用string和wregex最为参数,要么是string和regex,要么是wstring和wregex.
构造函数:
basic_regexre
产生空的正则式
basic_regexre(str)
正则式为str,str可以为basic_string,也可以是0结尾的char*字符串。
Basic_regexre(re2)
拷贝构造。
basic_regexre(str,flag)
正则式为str,使用flag语法选项,flag是一组常量的组合。
icase可以使正则式匹配忽略大小写。
basic_regexre(beg,end)
使用迭代器构造正则式。
可以是basic_string的迭代器,也可以是constchar*.
basic_regexre(beg,end,flag)
使用迭代器构造正则式,flag是语法选项。
常用的语法选项:
regex_constants:
normal
默认的语法。
符合EMCAScript,JavaScript中的正则式。
icase
匹配的时候忽略大小写。
nosubs
不把匹配的子串保存进match_results结构。
collate
对于[a-b]的匹配,考虑地区
语法选项通过或运算来结合。
在basic_regex中这些语法选项也进行了定义,所以可以写成regex:
normal,这要比regex_constants少打好几个字母了吧!
Jassign成员函数:
re.assign(re2)
复制一个正则式
re.assign(str)
正则式为str.
re.assign(str,flag)
re.assign(beg,end)
re.assign(beg,end,flag)
其实basic_regex很多用法和basic_string很像,因为正则表达式也是个字符串嘛!
regex:
iteratorit
常迭代器类型,即const_iterator
re.begin()
返回的是常迭代器哦!
const_iterator
re.end()
没有逆向迭代器。
例如:
copy(re.begin(),re.end(),ostream_iterator<
(cout));
其他:
re.size()
正则表达式长度,即str的长度。
re.max_size()
正则表达式的最大长度。
re.empty()
长度是否为0
re.mark_count()
返回正则式的组数,一般情况下为小括号对数+1.在boost.regex中使用小括号分组,详情请看下面的算法详解。
re.flags()
返回语法选项。
cout<
re
正则式的流输出,相当于上面示例的copy算法。
swap
成员函数,全局函数都有
re.imbue(loc)
设置local为loc,返回原来的local
re.getloc()
得到当前local
==,!
=,<
,<
=,>
,>
=
比较运算符重载
sub_match
sub_match是一个迭代器组,表示正则式中的一个匹配。
classBidirectionalIterator>
classsub_match:
publicstd:
pair<
BidirectionalIterator,BidirectionalIterator>
;
boost没有提供sub_match的任何特化,因为我们不会显示的声明一个sub_match变量。
sub_match是作为match_results的元素用的。
比如:
match_results的operator[]和迭代器返回的就是一个特化的sub_match.
唯一的成员变量:
boolmatched
是否匹配。
成员函数:
length()
返回长度,即两个迭代器之间的距离。
operatorbasic_string<
value_type>
()
隐式的basic_string转换。
str()
显式的basic_string转换。
还有就是一大堆的比较操作符的重载了,这里就不多说了。
match_results
match_results相当于sub_match的容器,用于表示正则式算法的返回结果。
template<
classBidirectionalIterator,
classAllocator=allocator<
sub_match<
BidirectionalIterator>
classmatch_results;
typedefmatch_results<
constchar*>
cmatch;
constwchar_t*>
wcmatch;
string:
const_iterator>
smatch;
wstring:
wsmatch;
声明很简单,有四个特化可以直接使用,不过要注意string和char*字符串使用的match_results是不同的。
m.size()
容量。
m.max_size()
最大容量。
m.empty()
容量是否为0.
m[n]
第n个元素,即sub_match
m.prefix()
返回代表前缀的sub_match,前缀指字符串的开头到第一个匹配的开头。
m.suffix()
返回代表后缀的sub_match,后缀之最后一个匹配的结尾到字符串的结尾。
m.length(n)
返回第n个元素的长度,即m[n].size()。
m.position(n)
返回第n个元素的位置。
m
流输出,输出整个匹配,相当于cout<
m[0].因为第0个元素是整个匹配,详细情况请看下面的解释。
m.format(fmtstr)
使用格式化字符串,格式化结果,返回字符串
m.format(fmtstr,flags)
使用格式化字符串,格式化结果,返回字符串,flags是格式化选项。
m.format(out,fmtstr)
同上,但是使用输出迭代器输出结果。
m.format(out.fmtstr,flags)
smatch:
iterator
迭代器,常迭代器
同上
m.begin()
返回常迭代器
m.end()
最后,说一个实例
我处理一个文本
实际值/-20.031,-1.896,-2.861,-1,0,0
提取其中的数字
regexexp("
\s*实际值/(-?
[0-9.]+),(-?
[0-9.]+)$"
);
大家看看还有没有更好的写法?
regex_match
regex_match算法用来测试一个字符串是否完全匹配正则式。
让我们来看一下regex_match的使用:
if(regex_match(str,m,re))
...
str是一个字符串,可以是string,wstring,char*或者wchar_t*
m是match_results,它通过引用传入参数,来保存匹配的结果,m要和str的类型匹配,可以是smatch,wsmatch,cmatch或wcmatch,用来分别对应string,wstring,char*或者wchar_t*的str.
re就是正则表达式了,一般来说是regex或wregex.
str,m,re的类型如下:
函数的返回值表示字符串是否完全匹配正则表达式,当返回true的时候,m保存了匹配的结果;
返回false,m未定义。
下面让我们来看一下,当函数返回true的时候,m是怎么样的。
m.size()==re.mark_count()
还记得re.mark_count()返回的是什么吗?
在上一篇中说的是re.mark_count()返回的时正则式的“组数”,并没有详细解释。
这里我要详细解释一下。
其实,这个“组数”在boost的regex中叫做sub-expression.sub-expression就是在正则式中使用小括号括起来的一部分,正则式本身是一个sub-expression,所以re.mark_count()等于小括号对数+1.
m.prefix()和m.suffix()
这两个返回的是sub_match类型(相当于一个迭代器组)。
在regex_match算法中,这两个返回的sub_match都是空的,他们的值如下:
(sub_match继承于pair,所以有first和second成员哦)
m.prefix()。
first==str.begin()
second==str.begin()
matched==false
m.suffix()。
first==str.end()
second==str.end()
因为regex_match是完全匹配,即整个字符串和正则式匹配,所以前缀和后缀都是空的。
m[0]
返回第0个匹配的,由于regex_match是完全匹配,所以
m[0].first==str.begin()
m[0].second==str.end()
m[0].matched==true
m[n],n<
m.size()
返回第n个匹配的sub-expression.
m[n].matched表示第n个sub-expression是否在字符串中存在。
整个regex匹配,但是sub_exp可能匹配的是空的,例如“(a*)”就有可以匹配空。
m[n].first和m[n].second表示匹配的范围。
如果匹配空的话,都为str.end()。
根据我的测试,m[1],m[2],……,m[n]的顺序是按照正则式的左小括号的顺序来的,例如对于正则式“((a)bc)d(efg)”,如果匹配了一个字符串的话(字符串只可能是“abcdefg”),则
m[0]==“abcdefg”
(sub_match重载了==运算符使得可以和一个字符串比较)
m[1]==“abc”
m[2]==“a”
m[3]==“efg”
regex_match的其它
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- C+ 正则表达式 正则 表达式