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 = "[email protected]"; 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
32
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
31
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