Boost::regex应用举例（一）

Boost::regex 应用举例（一）

newsuppy April, 2010

一， 安装 Boost 程序库

Boost 为 C++ 提供了大量十分有用但是还未被加入到标准库中的程序库，我们可以从 www.boost.org 获取程序库的源代码。 Boost 中的某些库只需要 include 头文件就可以使用，另外一些则需要先行编译，如 regex 正则表达式就是一例。如何安装编译 Boost? 这里仅介绍一下在 Windows 平台，如果已经安装了 Visual C++ 9 编译器，只需要将 Boost 包解压缩后，运行根目录中的 bootstrap.bat 先行生成 bjam.exe 程序（ Boost 的 Make 系统），然后运行 bjam.exe 后，就开始编译 Boost ，完成后会生成 boost.v2 和 stage 目录，内有编译后的 lib 文件。接下来，我们就可以开始用 boost::regex 库了，另外 regex 也存在于 C++ TR1 （ Technical Report, 即下一个 C++0x 标准，也许该是 C++1x 了）中，下文介绍仍旧以 boost::regex 为准。编译时时需要链接相应的 lib 文件。

二， 文本匹配示例

需要处理的文件格式是这样的：文件中存在大量 name =”value ” 格式，这种格式在一行中可能存在一个，也可能是多个，其中带有下划线的斜体字为变量，需要提取出这种格式，存入到一个数据库的某个 name-value 的表中。如表 2-1 所示为示例文件的格式

NAME=”REGEX”   TYPE=”C++ Class”   DESCRIPTION=”Boost C++ Class” ATTRIBUTE_MEMBER_1 = “regex string” FUNCTION_MEMBER_1 = ”search”

表 2-1

首先是构建一个可以匹配 name =”value ” 格式的正则表达式，注意 name 只包含单词，字母，数字以及下划线的组合，正好与正则表达式的 ’/w’ 匹配，另外 ’=’ 的前后可以有空白字符（空格或 Tab ）； ”value ” 是以双引号括起来的文本， value 本省不可以有双引号字符，那么用 "[^"]*" 来匹配，即由双引号括起来，但是不包含双引号本身的所有字符，如果只已 "*" 来表示，那么就正能匹配单个 name =”value ” ，遇到多个就会有问题。

在 boost::regex 中就构建这样一个正则表达式：

boost::regex reg("(//w+)[//s]*=[//s]*/"([^/"]*)/"");

注意 C++ 中的 ’/’ 为转义符，所有需要 ’//’ 来表示 ’/’ 。表达式中的 ’( )’ 是为了提取 name 和 ”value ” 的，否则只能得到整个的匹配的文本。

整个的代码片段就如表 2-2 ：

string full_file_name = path_name_ + dbsrc_file_name_;               ifstream src_file(full_file_name.c_str());               string current_line;               int line_num = 0;               ofstream match_info_file("match_info.src" );               if (src_file)               {                      while (!src_file.eof())                      {                             std::getline(src_file, current_line);                             ++line_num;                             boost::regex reg("(//w+)[//s]*=[//s]*/"([^/"]*)/"" );                             boost::smatch src_macth_results;                               std::string::const_iterator it=current_line.begin();                             std::string::const_iterator end=current_line.end();                             match_info_file << "line num: " << line_num << "/t" ;                             bool match_flag = false ;                             for (;it!=end;)                             {                                    if ((match_flag = boost::regex_search(it, end, src_macth_results, reg)))                                    {                                           for (int m_id=0; m_id<src_macth_results.size(); ++m_id)                                           {                                                  if (src_macth_results[m_id].matched)                                                  {                                                         match_info_file << "match id(matched): " << m_id << "/t" << "match string: " << src_macth_results[m_id].str() << "/n" ;                                                  }                                           }                                           it = src_macth_results.suffix().first;                                    }                                    else                                    {                                           ++it;                                    }                                                       }                             if (match_flag == false && current_line.length() >=1)                                    match_info_file << "not match line: " << line_num << "/t" << current_line.c_str() << "/n" ;                             else if (match_flag == false && current_line.length() <1)                                    match_info_file << "not match line: " << line_num << "/t" << "Blank Line" << "/n" ;;                      }                      match_info_file.flush();                      match_info_file.close();               }               src_file.close();

表 2-1

因为单行文本中的 name =”value ” 格式可能有多个，所以在匹配时需要用 boost::regex_search ，而 boost::regex_match 是用于完全匹配的，如果用在这里就无法匹配单行中的多个 name =”value ” 格式了。匹配的结果可以在 match_results 中提取出来，其中 match_results 的第 0 个是整个匹配的字符串，而其余的则是用 ’( )’ 括起来的被提取部分，对于上面的示例来说就是 name 对应于 match_results 第 1 个结果， ”value ” 对应于 match_results 第 2 个结果。

三， 推荐书籍

以上内容就是一些简要的介绍，所以再推荐一些书目。

1，  Boost 本身的 regex 文档就是很好的参考；

2，  Beyond the C++ Standard Library: An Introduction to Boost ， By Björn Karlsso, 2005 年的老书了，对于 boost 的简单介绍，当然包括 regex 。

3，  Mastering Regular Expressions, 3rd Edition ， By Jeffrey E. F. Friedl ，国内也有本书的中译本，余晟 译。几乎是正则表达式的最佳书籍了，介绍了各种正则表达式的方言，当然 boost::regex 也支持多种方言的正则表达式。

4，  The C++ Standard Library Extensions: A Tutorial and Reference, By Pete Becker, 主要是围绕 C++ TR1 的内容，也包含 regex ，国内有中译本，史晓明 译。