c++ 正則表達式

正則表達式是经常使用的一种方法。比較有名的类库是boost，可是这个类库在重了。全部就像找一些轻量级的类库。

后来发现准标准的库tr1已经非常方便了，微软vs2008 sp1 以上版本号都支持了。全部就直接用它非常方便了。

并且支持unicode编码，还是非常方便的。

样例：

#include <iostream>  

#include <string>  

#include <regex>  

  

int _tmain(int argc, _TCHAR* argv[])  

{  

    std::locale loc("");  

    std::wcout.imbue(loc);  

  

    std::wstring text(_T("我的IP地址是:109.168.0.1."));  

    std::wstring newIP(_T("127.0.0.1"));  

    std::wstring regString(_T("(\\d+)\\.(\\d+)\\.(\\d+)\\.(\\d+)"));  

  

    // 表达式选项 - 忽略大写和小写  

    std::regex_constants::syntax_option_type fl = std::regex_constants::icase;  

      

    // 编译一个正則表達式语句  

    std::wregex regExpress(regString, fl);  

  

    // 保存查找的结果  

    std::wsmatch ms;  

  

    // 推断是否全行匹配  

    if(std::regex_match(text, ms, regExpress))  

    {  

        std::wcout<<_T("正則表達式:")<<regString<<_T("匹配:")<<text<<_T("成功.")<<std::endl;  

    }  

    else  

    {  

        std::wcout<<_T("正則表達式:")<<regString<<_T("匹配:")<<text<<_T("失败.")<<std::endl;  

    }  

  

    // 查找  

    if(std::regex_search(text, ms, regExpress))  

    {  

        std::wcout<<_T("正則表達式:")<<regString<<_T("查找:")<<text<<_T("成功.")<<std::endl;  

        for(size_t i= 0; i < ms.size(); ++i)  

        {  

            std::wcout<<_T("第")<<i<<_T("个结果:\"")<<ms.str(i)<<_T("\" - ");  

            std::wcout<<_T("起始位置:")<<ms.position(i)<<_T("长度")<<ms.length(i)<<std::endl;  

        }  

        std::wcout<<std::endl;  

  

        // 替换1  

        text = text.replace(ms[0].first, ms[0].second, newIP);  

        std::wcout<<_T("替换1后的文本:")<<text<<std::endl;  

    }  

    else  

    {  

        std::wcout<<_T("正則表達式:")<<regString<<_T("查找:")<<text<<_T("失败.")<<std::endl;  

    }  

  

    // 替换2  

    newIP = _T("255.255.0.0");  

    std::wstring newText = std::regex_replace( text, regExpress, newIP);  

    std::wcout<<_T("替换2后的文本:")<<newText<<std::endl;  

  

    // 结束  

    std::wcout<<_T("按回车键结束...");  

    std::wcin.get();  

    return 0;

}

循环取：

std::regex_constants::syntax_option_type fl = std::regex_constants::icase;      

const std::tr1::regex pattern("http://[^\\\"\\>\\<]+?\\.(png|jpg|bmp)",fl);       

std::tr1::smatch result;      

std::string::const_iterator itS = strHtml.begin();  

std::string::const_iterator itE = strHtml.end();      

while(regex_search(itS,itE, result, pattern))//假设匹配成功  

{          

    //m_clbRegex.AddString((CString)result[0].str().c_str());           

    m_clbRegex.AddString((CString)(string(result[0].first,result[0].second)).c_str());          

    itS=result[0].second;//新的位置開始匹配      

}

[代码说明]

1. 创建正則表達式对象,有3中方法:

(1) 使用构造函数

std::regex_constants::syntax_option_type fl = std::regex_constants::icase; // 语法选项,能够设置使用哪种风格的正則表達式语法等.

std::wregex regExpress(regString, fl);

(2) 使用赋值运算符,缺点是不能指定语法选项,并且也比較低效.

std::wregex regExpress;

regExpress = regString;

(3) 使用assign方法.

std::wregex regExpress;

regExpress.assign(regString, fl);

构造正则对象的过称就是所谓的"编译".



2. regex_match() 和 regex_search()

regex_match()仅仅有在整个字符串匹配正則表達式时才返回 true, 而 regex_search()在子串匹配就返回 true.



3. 匹配结果对象 std::wsmatch.

熟悉Perl正則表達式的人都知道,匹配成功后能够用 $1 $2 ... $N 来获得子串的指, tr1 regex库把匹配结果保存在一个 std::wsmatch(UNICODE) / std::smatch(ANSI) 对象中.

std::wsmatch 是一个由若干个 std::wssub_match 对象构成的数组. 而 std::wssub_match 派生自 pair.

由std::wssub_match::first保存子串的起始位置指针(事实上说是迭代器比較准确一点).

由std::wssub_match::second保存子串的结束位置 +1 的指针(STL的通用原则,半开区间).

所以 [std::wssub_match::first,std::wssub_match::second) 就是子串的所有内容.

当然, std::wsmatch (match_result模版的提前定义类) 提供了一些简便的方法用于訪问子串:

(1) str(idx) 方法返回相应的子串的 std::string / std::wstring 对象. 仅仅是最经常使用的.

(2) position(idx) 方法返回相应子串的起始偏移量.(不是指针,是相对于首字节地址或者begin()的偏移量).

(3) length(idx) 返回子串的长度.



4. 替换子串.

前面说到 std::wssub_match::first / second 保存了子串的起始/结束位置,那么我们当然能够用这个指针(迭代器)来替换文本(见代码中的 "替换1").

或者用 std::regex_replace() 也能够达到目的(见代码中的"替换2").

几个经常使用的表达式：

"\\b1[35][0-9]\\d{8}|147\\d{8}|1[8][01236789]\\d{8}\\b";//手机号

 "\\b0\\d{2,3}\\-?\\d{7,8}\b"; //座机

 "\\b[1-9]\\d{5}(?:19|20)\\d{2}(?:0[1-9]|[1][012])(?#月)(?:0[1-9]|[12][0-9]|[3][01])(?#日)\\d{3}[\d|X|x]\\b"; //18位身份证

 "\\b[1-9]\\d{7}(?:0[1-9]|[1][012])(?#月)(?:0[1-9]|[12][0-9]|[3][01])(?#日)\\d{3}\\b"; //15位身份证

"\\b(?:(?:2[0-4]\\d|25[0-5]|[01]?\\d\\d?)\\.){3}(?:2[0-4]\\d|25[0-5]|[01]?\\d\\d?)\\b";  //ip4

"\\b(?:[a-zA-Z0-9_-])+@(?:[a-zA-Z0-9_-])+(?:\\.[a-zA-Z0-9_-]{2,3}){1,2}\\b"; //邮箱