C++11 Regex簡單運用

標籤：url   驗證   模式比對   包含   regular   character   高效   pattern   card   

Regex(regular expression)是電腦科學中的一個概念，又稱規則運算式，通常簡寫為regex、regexp、RE、regexps、regexes、regexen。

         Regex是一種文字模式。Regex是強大、便捷、高效的文本處理工具。Regex本身，加上如同一門袖珍程式設計語言的通用模式標記法(general pattern notation)，賦予使用者描述和分析文本的能力。配合上特定工具提供的額外支援，Regex能夠添加、刪除、分離、疊加、插入和修整各種類型的文本和資料。

         完整的Regex由兩種字元構成：特殊字元(special characters)稱為”元字元”(meta characters)，其它為”文字”(literal)，或者是普通文本字元(normal text characters，如字母、數字、漢字、底線)。Regex的元字元提供了更強大的描述能力。

         和文字編輯器一樣，絕大多數進階程式設計語言均支援Regex，如Perl、Java、Python、C/C++，這些語言都有各自的Regex包。

         一個Regex僅僅為一個字串，它沒有長度限制。“子運算式”指的是整個Regex中的一部分，通常是括弧內的運算式，或者是由”|”分割的多選分支。

預設情況下，運算式中的字母是要區分大小寫。

         常用的元字元：

1.      “.”： 匹配除"\n"之外的任何單個字元，若要匹配包括"\n"在內的任一字元，需使用諸如"[\s\S]"之類的模式；

2.       “^”：匹配輸入字串的開始位置，不匹配任何字元，要匹配”^”字元本身，需使用”\^”；

3.      “$”：匹配輸入字串結尾的位置，不匹配任何字元，要匹配”$”字元本身，需使用”\$”；

4.      “*”： 零次或多次匹配前面的字元或子運算式，”*”等效於”{0,}”，如”\^*b”可以匹配”b”、”^b”、”^^b”、…；

5.      “+”： 一次或多次匹配前面的字元或子運算式，等效於”{1,}”，如”a+b”可以匹配”ab”、”aab”、”aaab”、…；

6.      “?”： 零次或一次匹配前面的字元或子運算式，等效於”{0,1}”，如”a[cd]?”可以匹配”a”、”ac”、”ad”； 當此字元緊隨任何其他限定符”*”、”+”、”?”、”{n}”、”{n,}”、”{n,m}”之後時，匹配模式是"非貪心的"。"非貪心的"模式比對搜尋到的、儘可能短的字串，而預設的"貪心的"模式比對搜尋到的、儘可能長的字串。如，在字串"oooo"中，"o+?"只匹配單個"o"，而"o+"匹配所有"o"；

7.      “|”：將兩個匹配條件進行邏輯"或"(Or)運算,如Regex”(him|her)”匹配"itbelongs to him"和"it belongs to her"，但是不能匹配"itbelongs to them."；

8.      “\”： 將下一字元標記為特殊字元、文本、反向引用或八進位轉義符，如，”n”匹配字元”n”,”\n”匹配分行符號，序列”\\”匹配”\”,”\(“匹配”(“；

9.      “\w”：匹配字母或數字或底線，任意一個字母或數字或底線，即A~Z，a~z,0~9,_中任意一個；

10.  “\W”：匹配任意不是字母、數字、底線的字元；

11.  “\s”：匹配任意的空白符，包括空格、定位字元、換頁符等空白字元的其中任意一個，與”[ \f\n\r\t\v]”等效；

12.  “\S”：匹配任意不是空白符的字元，與”[^\f\n\r\t\v]”等效；

13.  “\d”：匹配數字，任意一個數字，0~9中的任意一個，等效於”[0-9]”；

14.  “\D”：匹配任意非數位字元，等效於”[^0-9]”；

15.  “\b”： 匹配一個字邊界，即字與空格間的位置，也就是單詞和空格之間的位置，不匹配任何字元，如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er";

16.  “\B”： 非字邊界匹配,"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"；

17.  “\f”：匹配一個換頁符，等價於”\x0c”和”\cL”；

18.  “\n”：匹配一個分行符號，等價於”\x0a”和”\cJ”；

19.  “\r”：匹配一個斷行符號符，等價於”\x0d”和”\cM”；

20.  “\t”：匹配一個定位字元，等價於”\x09”和”\cI”；

21.  “\v”：匹配一個垂直定位字元，等價於”\x0b”和”\cK”；

22.  “\cx”：匹配”x”指示的控制字元,如，\cM匹配Control-M或斷行符號符，”x”的值必須在”A-Z”或”a-z”之間,如果不是這樣，則假定c就是"c"字元本身；

23.  “{n}”：”n”是非負整數，正好匹配n次，如，"o{2}"與"Bob"中的"o"不匹配，但與"food"中的兩個"o"匹配；

24.  “{n,}”：”n”是非負整數,至少匹配n次,如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有”o”，"o{1,}"等效於"o+"，"o{0,}"等效於"o*"；

25.  “{n,m}”：”n”和”m”是非負整數，其中n<=m，匹配至少n次，至多m次，如，"o{1,3}"匹配"fooooood"中的頭三個o，‘o{0,1}‘等效於‘o?‘，注意,不能將空格插入逗號和數字之間；如”ba{1,3}”可以匹配”ba”或”baa”或”baaa”；

26.  “x|y”：匹配”x”或”y”，如，”z|food”匹配"z"或"food"；”(z|f)ood”匹配"zood"或"food"；

27.  “[xyz]”：字元集，匹配包含的任一字元，如，"[abc]"匹配"plain"中的"a";

28.  “[^xyz]”：反向字元集，匹配未包含的任何字元，匹配除了”xyz”以外的任一字元，如，"[^abc]"匹配"plain"中的"p"；

29.  “[a-z]”：字元範圍，匹配指定範圍內的任何字元，如，"[a-z]"匹配"a"到"z"範圍內的任何小寫字母；

30.  “[^a-z]”：反向範圍字元，匹配不在指定的範圍內的任何字元，如，"[^a-z]"匹配任何不在"a"到"z"範圍內的任何字元；

31.  “( )”：將”(“和”)”之間的運算式定義為”組”group，並且將匹配這個運算式的字元儲存到一個臨時地區,一個Regex中最多可以儲存9個，它們可以用”\1”到”\9”的符號來引用；

32.  “(pattern)”：匹配pattern並捕獲該匹配的子運算式，可以使用$0…$9屬性從結果”匹配”集合中檢索捕獲的匹配；

33.  “(?:pattern)”：匹配pattern但不捕獲該匹配的子運算式，即它是一個非捕獲匹配，不儲存供以後使用的匹配，這對於用”or”字元” (|)”組合模式組件的情況很有用, 如，”industr(?:y|ies)”是比”industry|industries”更簡略的運算式；

34.  “(?=pattern)”： 非擷取匹配，正向肯定預查，在任何匹配pattern的字串開始處匹配尋找字串，該匹配不需要擷取供以後使用。如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜尋，而不是從包含預查的字元之後開始；

35.  “(?!pattern)”： 非擷取匹配，正向否定預查，在任何不匹配pattern的字串開始處匹配尋找字串，該匹配不需要擷取供以後使用。如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"；

要匹配某些特殊字元，需在此特殊字元前面加上”\”，如要匹配字元”^”、”$”、”()”、”[]”、”{}”、”.”、”?”、”+”、”*”、”|”，需使用” \^”、” \$”、” \ (“、”\)”、” \ [“、”\]”、” \{“、”\}”、” \.”、” \?”、” \+”、” \*”、” \|”。

在C++/C++11中，GCC版本是4.9.0及以上，VS版本為VS2013及以上時，會有regex標頭檔，此標頭檔中會有regex_match、regex_search、regex_replace等函數可供調用，以下是測試代碼：

 

#include "regex.hpp"#include <regex>#include <string>#include <vector>#include <iostream>int test_regex_match(){    std::string pattern{ "\\d{3}-\\d{8}|\\d{4}-\\d{7}" }; // fixed telephone    std::regex re(pattern);    std::vector<std::string> str{ "010-12345678", "0319-9876543", "021-123456789"};    /* std::regex_match:        判斷一個Regex(參數re)是否匹配整個字元序列str,它主要用於驗證文本        注意，這個Regex必須匹配被分析串的全部，否則返回false;如果整個序列被成功匹配，返回true    */    for (auto tmp : str) {        bool ret = std::regex_match(tmp, re);        if (ret) fprintf(stderr, "%s, can match\n", tmp.c_str());        else fprintf(stderr, "%s, can not match\n", tmp.c_str());    }    return 0;}int test_regex_search(){    std::string pattern{ "http|hppts://\\w*$" }; // url    std::regex re(pattern);    std::vector<std::string> str{ "http://blog.csdn.net/fengbingchun", "https://github.com/fengbingchun",        "abcd://124.456", "abcd https://github.com/fengbingchun 123" };    /* std::regex_search:        類似於regex_match,但它不要求整個字元序列完全符合        可以用regex_search來尋找輸入中的一個子序列，該子序列匹配Regexre    */    for (auto tmp : str) {        bool ret = std::regex_search(tmp, re);        if (ret) fprintf(stderr, "%s, can search\n", tmp.c_str());        else fprintf(stderr, "%s, can not search\n", tmp.c_str());    }    return 0;}int test_regex_search2(){    std::string pattern{ "[a-zA-z]+://[^\\s]*" }; // url    std::regex re(pattern);    std::string str{ "my csdn blog addr is: http://blog.csdn.net/fengbingchun , my github addr is: https://github.com/fengbingchun " };    std::smatch results;    while (std::regex_search(str, results, re)) {        for (auto x : results)            std::cout << x << " ";        std::cout << std::endl;        str = results.suffix().str();    }    return 0;}int test_regex_replace(){    std::string pattern{ "\\d{18}|\\d{17}X" }; // id card    std::regex re(pattern);    std::vector<std::string> str{ "123456789012345678", "abcd123456789012345678efgh",        "abcdefbg", "12345678901234567X" };    std::string fmt{ "********" };    /* std::regex_replace:        在整個字元序列中尋找Regexre的所有匹配        這個演算法每次成功匹配後，就根據參數fmt對匹配字串進行替換    */    for (auto tmp : str) {        std::string ret = std::regex_replace(tmp, re, fmt);        fprintf(stderr, "src: %s, dst: %s\n", tmp.c_str(), ret.c_str());    }    return 0;}int test_regex_replace2(){    // reference: http://www.cplusplus.com/reference/regex/regex_replace/    std::string s("there is a subsequence in the string\n");    std::regex e("\\b(sub)([^ ]*)");   // matches words beginning by "sub"    // using string/c-string (3) version:    std::cout << std::regex_replace(s, e, "sub-$2");    // using range/c-string (6) version:    std::string result;    std::regex_replace(std::back_inserter(result), s.begin(), s.end(), e, "$2");    std::cout << result;    // with flags:    std::cout << std::regex_replace(s, e, "$1 and $2", std::regex_constants::format_no_copy);    std::cout << std::endl;    return 0;}

 

註：部落格轉寄自http://blog.csdn.net/fengbingchun/article/details/54835571

 

C++11 Regex簡單運用