C++正则表达式regex初探及踩的坑

Z时代
2024-01-10
分类：综合

Regex库简介

Regex是从c++ 11开始有的。
c++正则表达式提供了以下几个主要功能：

Math：将整个输入与正则表达式进行比对。

Search：查找是否与正则表达式匹配的子串。

Tokenize：根据正则表达式进行切分取得想要的目标子字符串。

Replace：替换与正则表达式匹配的子字符串（一个或多个）。

Regex库使用

匹配判断

首先先看一个简单的例子

#include<regex>
#include<iostream>
int main(int argc, char *argv[]) 
{
    try {
        std::regex pattern("t_[^_]*_[^_]*_.*");
        bool match = regex_match("t_123_345_456", pattern);
        if (match) {
            std::cout<< "match" <<std::endl;
        } else {
            std::cout << "not match" << std::endl;
        }
    }
    catch (const std::regex_error &e) {
        std::cout << "regex_error: what(): " << e.what() << std::endl;
    }
    return 0;}

代码执行结果：
match

下面来说下基本使用方法。首先声明一个正则表达式：

std::regex pattern("t_[^_]*_[^_]*_.*");

然后调用匹配方法：

 regex_match("t_123_345_456", pattern);

如果有正则表达式有异常或匹配出现异常会抛出regex_error的异常，该异常派生自std::runtime_error.

regex支持多种正则表达式语法，包括：ECMAScript、basic（POSIX的BRE）、extended（POSIX的ERE）、awk、grep、egrep。默认使用的是ECMAScript。你也可以自己指定语法，如：

std::regex pattern("t_[^_]*_[^_]*_.*", std::regex_constants::grep);

获取匹配内容

如果你想获取匹配的内容则需要使用std::smatch，看下面一段代码：

#include<regex>
#include<iostream>
int main(int argc, char *argv[]) 
{
	try
		{
		std::regex pattern("t_[^_]*_[^_]*_.*");
		std::smatch m;
		bool match = regex_match(std::string("t_123_345_456"), m, pattern);
		std::cout << "m.empty():" << m.empty() << std::endl;
		std::cout << "m.size():" << m.size() << std::endl;
		if (match) {
			std::cout << "match" << std::endl;
			std::cout << "m.str():" << m.str() << std::endl;
			std::cout << "m.position():" << m.position() << std::endl;
			std::cout << "m.length():" << m.length() << std::endl;			
		} else {
			std::cout << "not match" << std::endl;
		}
	}
	catch (const std::regex_error &e)
	{
		std::cout << "regex_error: what(): " << e.what() << std::endl;
	}
	return 0;}

执行结果：

m.empty():0
m.size():1
match
m.str():t_123_345_456
m.position():0
m.length():13

regex_match会将匹配结果放到regex_match里，头文件里是这样定义的：

typedef match_results<const char*> cmatch; typedef match_results<string::const_iterator> smatch;

可以看到头文件里声明了两个特例模板，一个是针对c-string，另一个是c+±string。因为我使用的是smatch，所以第二个例子里调用regex_match的时候第一个参数是构造了个string对象。

从程序执行结果来看，返回的是匹配整个字符串信息，包括匹配到的字符串、开始位置、长度等信息。

获取匹配的子串

如果我只想获取匹配的某个子字符串应该怎么处理呢。先看下面的例子：

#include<regex>
#include<iostream>
int main(int argc, char *argv[])
{
    try
        {
        std::regex pattern("t_([^_]*)_([^_]*)_(.*)");
        std::smatch m;
        bool match = regex_match(std::string("t_123_345_456"), m, pattern);
        std::cout << "m.empty():" << m.empty() << std::endl;
        std::cout << "m.size():" << m.size() << std::endl;
        if (match) {
            std::cout << "match" << std::endl;
            std::cout << "m.str():" << m.str() << std::endl;
            std::cout << "m.position():" << m.position() << std::endl;
            std::cout << "m.length():" << m.length() << std::endl;
            for (int i=0; i < m.size(); ++i) {
                std::cout << "    m[" << i << "].str():" << m[i].str() << std::endl;
                std::cout << "    m[" << i << "].position():" << m.position(i) << std::endl;
                std::cout << "    m[" << i << "].length():" << m.length(i) << std::endl;
            }
        } else {
            std::cout << "not match" << std::endl;
        }
    }
    catch (const std::regex_error &e)
    {
        std::cout << "regex_error: what(): " << e.what() << " code:" << e.code() << std::endl;
    }
    return 0;}

程序执行输出：

m.empty():0
m.size():4
match
m.str():t_123_345_456
m.position():0
m.length():13
    m[0].str():t_123_345_456
    m[0].position():0
    m[0].length():13
    m[1].str():123
    m[1].position():2
    m[1].length():3
    m[2].str():345
    m[2].position():6
    m[2].length():3
    m[3].str():456
    m[3].position():10
    m[3].length():3