正则表达式

最新推荐文章于 2024-09-21 21:19:04 发布

原创最新推荐文章于 2024-09-21 21:19:04 发布

· 3.4k 阅读

0 ·

版权

文章标签：

#tcp/ip #1024程序员节 #经验分享

笔记专栏收录该内容

5 篇文章

订阅专栏

正则表达式

1.什么是正则表达式？

正则表达式就是一系列规则，描述了一种字符串匹配的模式，通过这个规则可以在字符串中找到相关的内容；以下以c++语言使用正则表达式为例；

2.正则表达式使用大致流程

c++中正则表达式API基本在regex头文件中，使用正则表达式的大致流程：

你有一段需要处理的文本，字符串、文本文件、日志等
有一个特定目标，找出文本文件中所有的时间和日期等
根据可能的格式写出具体的正则表达式，比如日期是2020-01-01，正则表达式可能是这样：\d{4}-\d{2}-\d{2}。
将文本和正则表达式交给正则表达式引擎（由具体的语言提供），引擎会在文本中搜索到匹配的结果；

3.三种最常见的使用方式

匹配：判断给的字符串是否符合某个正则表达式，比如判断当前文本是否全部由数字组成：
搜索：在一大段文本中搜索匹配的目标：
替换

4.正则表达式语法

c++中内置了多种正则表达式语法，在创建的时候可以通过参数来选择；我们直接使用默认选项ECMAScript语法，也就是ECMA-262（JavaScript中也是使用它）；详情可以点击链接：http://ecma-international.org/ecma-262/5.1/#sec-15.10
如果正则表达式有太多的转义字符，变得很复杂的时候，可以使用Raw string literal，原始字符串，他不会将反斜杠解释为转义字符；比如：
string s = R"(\w\w\\w)";

字符类：对字符的分类，比如0~9属于数字字符；

   字符类           简写                   说明
 [[:alnum:]]                            字母和数字
 [_[:alnum:]]       \w              字母，数字以及下划线 
 [^_[:alnum:]]      \W             非字母，数字以及下划线
 [[:digit:]]        \d                     数字
 [^[:digit:]]       \D                    非数字
 [[:space:]]        \s                   空白字符 
 [^[:space:]]       \S                  非空白字符
 [[:lower:]]                             小写字母
 [[:upper:]]                             大写字母
 [[:alpha:]]                             任意字母
 [[:blank:]]                         非换行符的空白字符
 [[:cntrl:]]                             控制字符
 [[:graph:]]                             图形字符
 [[:print:]]                            可打印字符
 [[:punct:]]                             标点字符
 [[:xdigit:]]                         十六进制的数字字符

说明:
①字符类通过[]来标识，使用方括号包含一系列字符能够匹配其中任意一个字符，比如[abc]就是匹配a或b或c。
所以这两个字符在正则表达式中是特殊字符，如果想使用这两个字符，需要转义；相同的还有＼r、\n、＼t、＼＼、^、＼.、＼$等
②在[]内部，^标识否定；
③一些常用的字符类拥有简写
请添加图片描述

输出结果为：

4. 重复：一次性匹配一个完整的字符串，例如一个电话号码

          	字符                  	说明
			{n}						重复n次
			{n,}					重复n或更多次
			{n,m}                   重复n~m次
			*						等同于{0,}
			+						等同于{1,}
			？						等同于{0,1}

请添加图片描述
输出结果为：

5.正则表达式编程

迭代器：统计出文档中单词的数量

正则表达式选项
在创建正则表达式时，除了描述规则本身之外的字符串之外，还可以传递一个flag_type类型的参数，定义在std::regex_constants::syntax_option_type中；flag_type类型有以下值：

		 值                        效果
		icase           以不考虑大小写进行字符匹配。
		nosubs        进行匹配时，将所有被标记的子表达式 
					  (expr) 当做非标记的子表达式 (?:expr) 。
					  不将匹配存储于提供的 std::regex_match 
					  结构中，且 mark_count() 为零
		optimize      指示正则表达式引擎进行更快的匹配，带有
					  令构造变慢的潜在开销。例如这可能表示将
					  非确定 FSA 转换为确定 FSA 。
	    collate       形如 “[a-b]” 的字符范围将对本地环境敏感。
  multiline（C++17）  若选择 ECMAScript 引擎，则指定^匹配行
                      首，$应该匹配行尾。

这其中最常用的就是icase，比如要匹配文本中所有的"hahaha"，并不区分大小写，就可以这样构建正则表达式：

	regex word_regex("hahaha?",regex::icase);

匹配结果与分组

当我们使用正则表达式时，有时需要捕获匹配结果的子串，比如我们匹配了日期之后还希望拿到年份、月份等信息；

std::match_results用来存储匹配结果，分组（c++中分组叫做子匹配：std::sub_match）用来捕获子串，圆括号（）就是用来分组的；当在正则表达式中配对的使用圆括号时就会形成一个分组，分组通过编号0,1,2…来区分，编号0是匹配的整体，其他的根据分组顺序确定；

这些分组最终可以在匹配完成之后通过std::match_results的API来获取：

      API                    说明
	empty              检查匹配是否成功
	size			   返回结果的匹配数	
	max_size		 返回子匹配的最大可能数
	length 			  返回特定分组的长度
	position		返回特定分组首字符的位置
	str		         返回特定分组的字符串
	operation[]		    返回指定的分组
	prefix		  返回目标序列起始和完整匹配起始之间的分组
	suffix		  返回完整匹配结果和目标序列结尾之间的分组

示例：查找出文本文件中的所有年代，并分离出世纪部分和年份部分：
请添加图片描述

在实际应用中，常常会写出非常复杂的正则表达式，可以点这里查看一些实例： http://regexlib.com/DisplayPatterns.aspx