理解C++11正则表达式（2）

　　今天有幸（2016/3/19）在上海参加了C++交流会，见到了梦寐已久想见的台湾C++大神老师侯捷，心情十分的激动。侯老师对C+＋理解的深刻，让人叹为观止。以为他教学的严谨，说话方式娓娓道来，听着非常舒服。末尾附上一张侯老师照片。

　　我们接着上文介绍C++11的正则表达式。本节将接着上文遗留问题开始展开，并且将结合网上的一些优秀的博客。

正文

　C++11 支持六种正则表达式语法：

　ECMAScript,

　basic(POSIX Basic Regular Expressions),

extended(POSIX Extended Regular Expressions ),

 awk(POSIX awk) ,

grep(POSIX grep ),

egrep(POSIX grep –E)。其中ECMAScript最为强大。

首先，我们将介绍正则表达式一些通用的基本类型。

1 basic_regex

//basic_regex: 这是一个包含一个正则表达式的模板类。通常有两种特化方式：
a)    typedef basic_regex<char> regex;
b)    typedef basic_regex<wchar_t> wregex;

2 match_results:

　这个类包含了与给定正则表达式匹配的序列。当empty()成员返回true或者size()成员返回0，表明没有找到匹配项。
否则，当empty()返回false，size()返回值>=1 表明发生了匹配。

//match_results有如下特化方式：
a)    typedef match_results<const char*> cmatch;
b)    typedef match_results<const wchar_t*> wcmatch;
c)    typedef match_results<string::const_iterator> smatch;
d)    typedef match_results<wstring::const_iterator> wsmatch;

match[0]:代表整个匹配序列 ；
match[1]:代表第一个匹配子序列；
match[2]: 代表第二个匹配子序列，以此类推。

特别需要注意的是：正则表达式的编写过程中，需要达到上面match［1］［2］［3］效果的话，必须将每个match数据通过捕获组(capture group)的方式用括号括起来(.*)，例如:

regex reg("<(.*)>(.*)</(\\1)>")

如果你把括号删除，显然是没有上面说的那种效果的。其中\1指的是第一个捕获组，\2 当然就是指代第二个啦。

3 sub_match: 该模板类用来表示与一个已标记的子表达式匹配的序列。这个匹配是通过一个迭代器对来表示的，该迭代器对表明了已匹配的正则表达式的一个范围。可以特化为下面几种情况：

a)    typedef sub_match<const char*>              csub_match;
b)    typedef sub_match<const wchar_t*>           wcsub_match;
c)    typedef sub_match<string::const_iterator>   ssub_match;
d)    typedef sub_match<wstring::const_iterator>  wssub_match;

4 迭代器介绍：正则表达式迭代器用来遍历这个正则表达式序列，通过一个迭代器区间来表示匹配的区间。

1. regex_iterator:
a)typedef regex_iterator<const char*>               cregex_iterator;
b)typedef regex_iterator<const wchar_t*>            wcregex_iterator;
c)typedef regex_iterator<string::const_iterator>    sregex_iterator;
d)typedef regex_iterator<wstring::const_iterator>   wsregex_iterator;

2. regex_token_iterator:
a) typedef regex_token_iterator<const char*>             cregex_token_iterator;
b) typedef regex_token_iterator<const wchar_t*>          wcregex_token_iterator;
c) typedef regex_token_iterator<string::const_iterator>  sregex_token_iterator;
d) typedef regex_token_iterator<wstring::const_iterator> wsregex_token_iterator;

一些test代码：

　　　　 string data = "XML tag: <tag-name>the value</tag-name>.";
	cout << "data:            " << data << endl << endl;
	smatch m;
	bool found = regex_search(data, m, regex("<(.*)>(.*)</(\\1)>"));
	cout << "m.empty()   " << boolalpha << m.empty() << endl;
	cout << "m.size()    " << m.size() << endl;
	if (found)
	{
		cout << "m.str()              " << m.str() << endl;
		cout << "m.length()           " << m.length() << endl;
		cout << "m.position()         " << m.position() << endl;
		cout << "m.prefix().str()     " << m.prefix().str() << endl;
		cout << "m.suffix().str()     " << m.suffix().str() << endl;
	}
	for (int i = 0; i < m.size(); i++)
	{
		cout << "m[" << i << "].size():" << m[i].str() << endl;
		cout << "m.str(" << i << "):" << m.str(i) << endl;
		cout << "m.position(" << i << "):" << m.position(i) << endl;
	}
	cout << "match: " << endl;
	for (auto pos = m.begin(); pos != m.end(); pos++)
	{
		cout << " " << *pos << " ";
		cout << "(length" << pos->length() << ")" << endl;
	}
　　　　 //第二个例子
	data = "<person>\n"
		" <first>Nico</first>\n"
		" <last>Josuttis</last>\n"
		"</person>\n";
	auto pos = data.cbegin();
	auto end = data.cend();
	regex reg("<(.*)>(.*)</(\\1)>");

	for (;regex_search(pos, end, m, reg); pos = m.suffix().first)
	{
		cout << "match: " << m.str() << endl;
		cout << "tag: " << m.str(1) << endl;
		cout << "value: " << m.str(2) << endl;
	}

　　我们要查找的字符串是这样的格式：

　　另外，第二个例子中将字符串添加换行符，如果没有添加，将无法辨别<first><last>，最后只能找到<person>。

Regex Iterator:  采用迭代器的方式进行访问或通过for_each()

sregex_iterator pos(data.cbegin(),data.cend(),reg);
sregex_iterator end;

for(; pos!=end; ++pos)
{
      cout << "match " << pos -> str() << endl;
      cout << "tag:" << pos -> str(1) << endl;
      cout << "value:" << pos -> str(2) << endl;
}

for_each(beg,end,[](const smatch &m){
      cout << "match " << pos -> str() << endl;
      cout << "tag:" << pos -> str(1) << endl;
      cout << "value:" << pos -> str(2) << endl;
});

Regex Token Iterator

1、regex reg("<(.*)>(.*)</(\\1)>");

sregex_token_iterator pos(data.cbegin(),data.cend(),reg,{0,2});//0代表了获取整个match，2代表获取第二个group;-1代表了想知道所有子序列。

2、regex  sep("[[:space:]]*[;,.][[:space:]]*");//以;.,分割。

sregex_token_iterator pos(data.cbegin(),data.cend(),sep,-1);//得到所有子序列。（具体用法请参考c++11标准库，有详细用法和介绍）

小结：

前面2节主要介绍两个函数（regex_search regex_match）,但是这两个函数不能定义出在那个位置，我们引入了迭代器、group的概念。下一节主要介绍替换、regex常量以开头说的6种正则表达式语法，最后想通过几个简单的例子练习一下。其实标准库里面说的很清楚，如果不明白的话，建议去买一本侯捷翻译的c++11标准库。