2024年C C++最新C++标准库之std regex类的使用，字节跳动资深面试官亲述

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上C C++开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

| \D | 匹配任意非数字的字符 |
| \B | 匹配不是单词开头或结束的位置 |
| [^x] | 匹配除了x以外的任意字符 |
| [^aeiou] | 匹配除了aeiou这几个字母以外的任意字符 |

如：
\S+匹配不包含空白符的字符串。
<a[^>]+>匹配用尖括号括起来的以a开头的字符串。

2.10 后向引用

使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

后向引用用于重复搜索前面某个分组匹配的文本。例如，\1代表分组1匹配的文本。难以理解？请看示例：

\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。这个表达式首先是一个单词，也就是单词开始处和结束处之间的多于一个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或几个空白符(\s+)，最后是分组1中捕获的内容（也就是前面匹配的那个单词）(\1)。

你也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>\w+)(或者把尖括号换成’也行：(?‘Word’\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k<Word>,所以上一个例子也可以写成这样：\b(?<Word>\w+)\b\s+\k<Word>\b。

使用小括号的时候，还有很多特定用途的语法。下面列出了最常用的一些：

2.11 零宽断言（对换行空格感觉很有帮助）

接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。

(?=exp)也叫作零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分（除了ing以外的部分），如查找I’m singing while you’re dancing时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了)，你可以这样查找需要在前面和里面添加逗号的部分：((?<=\d)\d{3})*\b，用它对1234567890进行查找时结果是234567890。

下面这个例子同时使用了这两种断言：(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)。

讲道理，在cpp的regex库中，只看见了两种书写方式：
1.(?=subpattern): 断言后面的字符必须与subpattern匹配，但是不消耗任何字符。即，断言括号内的字符（subpattern）作为匹配查找使用，但他们依旧会被写入pattern内，而不是被忽略掉。
2.(?!subpattern): 断言后面的字符不会与subpattern匹配，且不消耗任何字符。

2.12 贪婪与懒惰（解释了为什么会匹配到后面的东西）

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下尽可能多的字符）。考虑这个表达式：a.*b，它将匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。被称为贪婪匹配。

有时，我们 更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号？。这样，.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。

a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

代码 /语法	说明
*？	重复任意次，但尽可能少重复
+？	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

2.13 还有些什么东西没提到

代码 /语法	说明
\a	报警字符(打印它的效果是电脑嘀一声)
\b	通常是单词分界位置，但如果在字符类里使用代表退格
\t	制表符，Tab
\r	回车
\v	竖向制表符
\f	换页符
\n	换行符
\e	Escape
\0nn	ASCII代码中八进制代码为nn的字符
\xnn	ASCII代码中十六进制代码为nn的字符
\unnnn	Unicode代码中十六进制代码为nnnn的字符
\cN	ASCII控制字符。比如\cC代表Ctrl+C
\A	字符串开头(类似^，但不受处理多行选项的影响)
\Z	字符串结尾或行尾(不受处理多行选项的影响)
\z	字符串结尾(类似$，但不受处理多行选项的影响)
\G	当前搜索的开头

3. 常用 C++ 标准库正则表达式类：

C++标准库中常用正则表达式类主要包含如下5组：
有了以上5组模板，基本上可以处理所有的字符串处理需求了。

4. C++正则表达式模板的使用

Match: 将整个string拿来匹配某个regex.
Search: 查找某个string中与regex吻合的部分.
Replace: 将与正则表达式吻合的第一个（或者后续所有的）子序列替换掉.
Tokenize: 切分即通过指定来切分出来我们感兴趣的正则表达式匹配到的内容.

4.1 std::regex_search

std::regex_search: 搜素正则表达式参数，但它不要求整个字符序列完全匹配。而且它只进行单次搜索，搜索到即停止继续搜索，不进行重复多次搜索。
栗子：

void search()
{
	/
	//std::regex\_search
	//std::regex\_search: 搜素正则表达式参数, 但它不要求整个字符序列完全匹配. 
	//而且它只进行单次搜索, 搜索到即停止继续搜索, 不进行重复多次搜索.
 
	std::string text = "Date:2017-10-10 ~ 2017-10-15";
 
	//构造正则表达式
	//这里 "()" 用于捕获组, 捕获组的编号是按照 "(" 出现的顺序, 从左到右, 从1开始进行编号的
	std::string pattern = "(\\d{4})-(\\d{2}-(\\d{2}))";
	std::regex express(pattern);
 
	//匹配
	std::cout.setf(std::ios_base::boolalpha);
 
	/\*模板函数1\*/
	//第0组一般是整个正则表达式匹配结果, 其他依次是捕获组的结果, 它不进行重复多次搜索
	std::match_results<std::string::iterator> results1;
	if(std::regex\_search(text.begin(), text.end(), results1, express))
	{
		//使用迭代器遍历, 这里的迭代器实际上是指向 std::sub\_match 的指针
		std::match_results<std::string::iterator>::const_iterator iter;
		for (iter = results1.begin(); iter != results1.end(); iter++)
		{
			std::cout << iter->length() << ": " << iter->str() << std::endl;
		}
	}
	/\*输出
 10: 2017-10-10
 4: 2017
 5: 10-10
 2: 10
 \*/
	
	/\*模板函数2\*/
	//显示是否有搜索到符合正则表达式的结果
	std::cout << std::regex\_search(text.begin(), text.end(), express) << std::endl;
 
	/\*模板函数3\*/
	//第0组一般是整个正则表达式匹配结果, 其他依次是捕获组的结果, 它不进行重复多次搜索
	std::cmatch c_results3;
	if(std::regex\_search(text.c\_str(), c_results3, express))
	{
		for (size_t index = 0; index < c_results3.size(); index++)
		{
			//获取组里面的数据, 注意: 这里使用的是 std::csub\_match, 
			//实际上存放在 std::match\_results 里面的数据就是一组 std::sub\_match
			std::csub_match sub = c_results3[index];
 
			//先获取长度, 再获取内容
			std::cout << sub.length() << ": " << sub.str() << std::endl; 
		}
	}
	/\*输出
 10: 2017-10-10
 4: 2017
 5: 10-10
 2: 10
 \*/
 
	/\*模板函数4\*/
	//显示是否有搜索到符合正则表达式的结果
	std::cout << std::regex\_search(text.c\_str(), express) << std::endl;
 
	/\*模板函数5\*/
	//第0组一般是整个正则表达式匹配结果, 其他依次是捕获组的结果, 它不进行重复多次搜索
	std::smatch s_results5;
	if (std::regex\_search(text, s_results5, express))
	{
		for (auto iter = s_results5.begin(); iter != s_results5.end(); iter++)
		{
			std::cout << iter->length() << ": " << iter->str() << std::endl;
		}
	}
	/\*输出
 10: 2017-10-10
 4: 2017
 5: 10-10
 2: 10
 \*/
 
	/\*模板函数6\*/
	//显示是否有搜索到符合正则表达式的结果
	std::cout << std::regex\_search(text, express) << std::endl;
}

栗子中需要注意的:

1. std::ios_base::boolalpha
   std::ios_base::boolalpha: 将str流的boolalpha格式flag置为1。当此标志位被设置时，将根据其文本表示插入/提取bool值：true或false，而不是整数值。如果需要将标志位重新置为0，可以使用noboolalpha操作符。
   Example：

// modify boolalpha flag
#include <iostream> // std::cout, std::boolalpha, std::noboolalpha

int main () {
  bool b = true;
  std::cout << std::boolalpha << b << '\n';
  std::cout << std::noboolalpha << b << '\n';
  return 0;
}

输出为：

true
1

4.2 std::regex_constants::extended

std::regex_constants::extended：使用扩展的POSIX正则表达式语法。POSIX使用“最左最长”匹配规则（最长的匹配子序列被匹配，如果有几个这样的子序列，那么第一个就被匹配）
栗子-ECMAScript和POSIX正则表达式之间匹配算法的区别：

#include <iostream>
#include <string>
#include <regex>
 
int main()
{
    std::string str = "zzxayyzz";
    std::regex re1(".\*(a|xayy)"); // ECMA
    std::regex re2(".\*(a|xayy)", std::regex_constants::extended); // POSIX
 
    std::cout << "Searching for .\*(a|xayy) in zzxayyzz:\n";
    std::smatch m;
    std::regex\_search(str, m, re1);
    std::cout << " ECMA (depth first search) match: " << m[0] << '\n';
    std::regex\_search(str, m, re2);
    std::cout << " POSIX (leftmost longest) match: " << m[0] << '\n';
}

这里的输出应该为：

Searching for .*(a|xayy) in zzxayyzz:
 ECMA (depth first search) match: zzxa
 POSIX (leftmost longest)  match: zzxayy

按理说，结果应该是这样。clang编译没问题，但是在GCC编译结果就很奇怪，会出现如两个均为zzxayy或者均为zzxa的结果

4.3 regex_match

regex_match是正则表达式匹配的函数
栗子：

// regex\_match example
#include <iostream>
#include <string>
#include <regex>
 
int main ()
{
 
  if (std::regex_match ("subject", std::regex("(sub)(.\*)") ))
    std::cout << "string literal matched\n";
 
  std::string s ("subject");
  std::regex e ("(sub)(.\*)");
  if (std::regex_match (s,e))
    std::cout << "string object matched\n";
 
  if ( std::regex_match ( s.begin(), s.end(), e ) )
    std::cout << "range matched\n";
 
  std::cmatch cm;    // same as std::match\_results<const char\*> cm;
  std::regex_match ("subject",cm,e);
  std::cout << "string literal with " << cm.size() << " matches\n";
 
  std::smatch sm;    // same as std::match\_results<string::const\_iterator> sm;
  std::regex_match (s,sm,e);
  std::cout << "string object with " << sm.size() << " matches\n";
 
  std::regex_match ( s.cbegin(), s.cend(), sm, e);
  std::cout << "range with " << sm.size() << " matches\n";
 
  // using explicit flags:
  std::regex_match ( "subject", cm, e, std::regex_constants::match_default );
 
  std::cout << "the matches were: ";
  for (unsigned i=0; i<sm.size(); ++i) {
    std::cout << "[" << sm[i] << "] ";
  }

  std::cout << std::endl;
  return 0;
}



![img](https://img-blog.csdnimg.cn/img_convert/aed6bf18b3fc6ca93db4e7ba6366e149.png)
![img](https://img-blog.csdnimg.cn/img_convert/86e3ddb56a89a98a8826d730d7ad5e2d.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以添加戳这里获取](https://bbs.youkuaiyun.com/topics/618668825)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

<< std::endl;
  return 0;
}



[外链图片转存中...(img-lHGVOHjs-1715547077865)]
[外链图片转存中...(img-GWsMu023-1715547077866)]

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以添加戳这里获取](https://bbs.youkuaiyun.com/topics/618668825)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**