C++正则表达式的初步使用

正则表达式(Regular Expressions)，又被称为regex、regexp 或 RE，是一种十分简便、灵活的文本处理工具。它可以用来精确地找出某文本中匹配某种指定规则的内容。从C++11开始也将正则表达式纳入了新标准的一部分 。

本篇博客不涉及正则表达式语法的基本内容，如果你对正则表达式不了解，可以访问这个链接获得帮助。

C++11标准支持正则表达式后，使用正则表达式查找、提取、替换字符串就无需使用第三方开源库。

使用正则表达式包含头文件的 regex，其主要包含三个类（regex、smatch、ssub_match）和三个API（regex_search()、regex_match()、regex_replace()）,基本可以满足使用的要求，其它都只是变种而已。

类regex，用来存放正则表达式，其实就是一个字符串，只需关心构造函数，其需要一个字符串作为参数进行对象构造。正则表达式语法遵循ECMAScript标准。

类smatch，用来存放查找、提取操作的结果，其实就是一个ssub_match的数组，正则表达式语法支持使用括号来获得某个子匹配，所以匹配结果会有多个，第一个存完整匹配结果，其它存正则表达式指定的子匹配。通过size()获取数组大小，操作符[]指定下标获取元素，也可以通过迭代器begin()、end()来遍历数组。prefix()和suffix()是获取查找结果前面和后面的字符串，比如“I am a good boy”查找am关键词，prefix()就是“I ”,suffix()就是“ a good boy”。

类ssub_match，用来存放某个匹配，其实就是一个字符串，其重载了操作符string()，所以可以当string对象来使用，length()返回匹配内容的长度，str()返回匹配的内容。

查找字符串使用regex_search() API，其有两个版本：

bool regex_search(string s, regex e);
bool regex_search(string s, smatch m, regex e);

第1个版本简单判断是否找到，指定搜索字符串和查找正则表达式

第2个版本除了判断是否找到外，还可以指定smatch对象获取查找结果。

匹配字符串使用regex_match() API，其跟regex_search()区别在于前者是完全匹配不能有冗余的字符，后者可以有冗余字符。比如字符串 subsentence，对于正则表达式sub来说，regex_match()是失败的，因为尾部sentence没有被匹配到，regex_search()是成功的。其函数原型与regex_search()一样。

替换字符串使用regex_replace() API

string regex_replace(string s, regex e, string fmt);

第一、二参数与regex_search一样，第三个参数要替换的内容，字符串里面支持使用$符号后面加数字，用来表示第几个子匹配的内容。

下面代码示例演示如何使用C++11的regex API，理解透该示例代码，你就基本掌握了其使用方法。

#include <string>
#include <regex>
#include <iostream>
//#include <bits/stdc++.h>

int main()
{
    const std::string s = "this subject has a submarine as a subsequence";
    const std::regex e("\\b(sub)([^ ]*)");  // sub开头的单词

    // 只要查找是否有sub开头的单词
    if (std::regex_search(s, e))
    {
        std::cout << "the source string contains word beginning by sub" << std::endl;
    }

    // 查找所有sub开头的单词，并打印出来
    std::smatch m;  //存放查找结果
    std::string s2 = s;
    while (std::regex_search(s2, m, e))
    {
        for (auto x : m)  // 正则表达式有两个括号，m共有3个元素
        {
            std::cout << x << " ";
        }
        std::cout << std::endl;
        s2 = m.suffix();  // 指向查找结果的下一个位置，继续查找
    }

    // 只要判断是否匹配
    if (!std::regex_match(s, e))  // 要求完全匹配，这点跟查找不同
    {
        std::cout << "the source string is not match" << std::endl;
    }

    // 如果匹配，输出匹配结果
    std::regex e2("(.*)sub(.*)");  // 含有关键词sub，并提取sub前和sub后的内容
    if (std::regex_match(s, m, e2)) // 匹配成功了，m对象才是有效存放提取内容
    {
        for (unsigned i = 1; i < m.size(); i++)  // 第1个元素就是s，这里就不打印
        {
            // 注意：因为正则表达式.*是尽可能的去匹配，所以关键词sub匹配的是
            // 最后一个单词subsequence的sub
            std::cout << m[i] << std::endl;
        }
    }

    // 把subsequence替换成sub-sequence
    std::regex e3("subsequence");
    std::cout << std::regex_replace(s, e3, "sub-sequence") << std::endl;

    // 把所有sub开头的单词，在sub后面加横线 -
    // $2匹配结果smatch中第2个元素，也就是sub后面的内容
    std::cout << std::regex_replace(s, e, "sub_$2") << std::endl;
}

参考

https://www.runoob.com/regexp/regexp-syntax.html

https://chenxiaowei.gitbook.io/c-17-stl-cook-book/chapter7-0-chinese/chapter7-12-chinese

https://blog.csdn.net/asialee_bird/article/details/103420321#1%E3%80%81regex%E5%BA%93%E7%BB%84%E4%BB%B6%E4%BD%BF%E7%94%A8%E5%87%86%E5%A4%87

---

C++正则表达式入门