一、什么是正则表达式
正则表达式(regular expression)又称 规则表达式,是一种文本模式(pattern)。正则表达式使用一个字符串来描述、匹配具有相同规格的字符串,通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式的核心功能就是处理文本。正则表达式并不仅限于某一种语言,但是在每种语言中有细微的差别。
C++ 标准库从 C++ 11 开始提供了正则表达式(Regular Expressions)的支持,通过 <regex>
头文件来实现。C++ 的正则表达式库提供了一组类和函数,用于处理正则表达式匹配、搜索和替换操作。
-
正则表达式对象 :使用
std::regex
类定义一个正则表达式对象。 -
匹配操作 :
std::regex_match()
方法:用于检查一个字符串是否与一个正则表达式匹配。std::regex_search()
方法:用于搜索字符串中与正则表达式匹配的部分。std::regex_replace()
方法:用于替换与正则表达式匹配的文本。std::sregex_iterator
迭代器类:用于遍历字符串中所有与正则表达式匹配的子串。返回一个std::smatch
对象,后者用于存储匹配结果。
-
匹配结果 :使用
std::smatch
类来存储匹配结果,它包含匹配的子串和相关信息。
在 C++ 中,主要有两种方法完成模式匹配:“搜索”(searching),即在字符串任意部分中搜索匹配的模式;而 “匹配”(matching)是指判断一个字符串能否从起始处全部匹配某个模式。搜索通过 regex_search()
函数或方法来实现,而匹配是调用 regex_match()
函数或方法实现。
regex_match()
函数总是从字符串的起始部分对模式进行全部匹配。如果匹配成功,就返回 true;如果匹配失败,就返回 false。
bool regex_match(const std::string& text, const std::regex& e);
bool regex_match(const std::string& text, std::smatch& match, const std::regex& e);
- 参数
text
是要进行匹配的输入字符串。 - 参数
e
是std::regex
对象,代表正则表达式。 - 参数
match
是std::smatch
对象(或与std::smatch
类似的类型),用于存储匹配的结果信息。当使用std::smatch
时,它会包含整个匹配的信息以及任何分组(括号中的子匹配)。
regex_search()
的工作方式与 regex_match() 完全一致,不同之处在于 regex_search() 会用它的字符串参数,在任意位置对给定正则表达式模式搜索第一次出现的匹配情况。如果搜索到成功的匹配,就会返回 true;否则,返回 false。
bool regex_search(const std::string& text, const std::regex& e);
bool regex_search(const std::string& text, std::smatch& match, const std::regex& e);
- 参数
text
是要进行匹配的输入字符串。 - 参数
e
是std::regex
对象,代表正则表达式。 - 参数
match
是std::smatch
对象(或与std::smatch
类似的类型),用于存储匹配的结果信息。当使用std::smatch
时,它会包含整个匹配的信息以及任何分组(括号中的子匹配)。
std::regex_replace()
函数用于替换字符串中与正则表达式匹配的文本。
regex_replace(const std::string& text, const std::regex& e, const std::string& replace_text);
regex_replace(const std::string& text, const std::regex& e, const std::string& replace_text, int flags = 0);
- 参数
text
是要进行匹配的输入字符串。 - 参数
e
是std::regex
对象,代表正则表达式。 - 参数
replace_text
是要替换的字符串。 - 参数
flags
用于指定额外的选项。
std::regex_replace
命名空间中定义了许多宏用来指定替换方式。
std::regex_constants::format_first_only
:只替换第一个匹配项。std::regex_constants::format_all
:替换所有匹配项。std::regex_constants::format_no_copy
:不创建新字符串,而是直接修改输入字符串。
std::regex_replace
函数返回一个输出迭代器,指向替换后的字符串的第一个字符。你可以将这个输出迭代器用于输出流,或者将替换后的字符串存储在另一个字符串变量中。
由此可见,regex_match() 试图从字符串的起始部分开始匹配模式,而 regex_search() 函数不但会搜索模式在字符串中第一次出现的位置,而且严格地对字符串从左到右搜索。
std::sregex_iterator
类的构造函数有多个重载版本,但通常使用的是以下两个版本:
std::sregex_iterator(const std::string::const_iterator& first, const std::string::const_iterator& last, const std::regex& e);
std::sregex_iterator(const std::string& s, const std::regex& e);
- 参数
first
指向搜索开始的位置。 - 参数
last
指向搜索结束的位置。 - 参数
e
是std::regex
对象,代表正则表达式。 - 参数
s
是 一个std::string
对象,用于定义搜索的范围。
字符串的匹配:
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "小樱同学";
string pattern = "小樱";
regex expression(pattern);
smatch match;
if (regex_match(text, match, expression))
{
cout << "Found a match: " << match.str() << endl;
}
else
{
cout << "No match found." << endl;
}
return 0;
}
字符串的搜索:
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "小樱同学";
string pattern = "同学";
regex expression(pattern);
smatch match;
if (regex_search(text, match, expression))
{
cout << "Found a match: " << match.str() << endl;
cout << "Match position: " << match.position() << endl;
cout << "Match prefix: " << match.prefix() << endl;
cout << "Match suffix: " << match.suffix() << endl;
}
else
{
cout << "No match found." << endl;
}
return 0;
}
字符串的替换:
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "你好啊,小樱同学!从现在开始你就是我的朋友啊。小樱同学,请多多关照。";
string pattern = "同学";
regex expression(pattern);
smatch match;
cout << regex_replace(text, expression, "同志") << endl;
return 0;
}
二、基础语法
2.1、转义字符
使用正则表达式去检索某些特殊字符的时候,需要用到转义字符,否则检索不到结果,甚至会报错;在 C++ 中,\ 具有转义的意思,会对紧随其后的字符进行转义,如果我们想使用普通的 \ ,需要在使用一个 \ 对它进行转义。
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "abc$def(123(456))";
string pattern = "\\(456";
regex expression(pattern);
smatch match;
if (regex_search(text, match, expression))
{
cout << "Found a match: " << match.str() << endl;
}
else
{
cout << "No match found." << endl;
}
return 0;
}
由于在 C++ 字符串字面量中反斜杠是一个转义字符,所以在构建模式串时,你需要使用两个反斜杠来表示一个反斜杠。在这个模式串中,我们使用了两次反斜杠 \\
来转义左括号 (
。这里推荐使用推荐原始字符串字面量,这样可以不需要转义反斜杠。
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "abc$def(123(456))";
string pattern = R"(\(456)";
regex expression(pattern);
smatch match;
if (regex_search(text, match, expression))
{
cout << "Found a match: " << match.str() << endl;
}
else
{
cout << "No match found." << endl;
}
return 0;
}
在 C++ 字符串字面量中,反斜杠本身也是一个转义字符,所以我们需要使用两个反斜杠
\\
来表示一个真正的反斜杠\
。需要用到转义符号的常见字符如下:. * + ( ) $ / \ ? [ ] ^ { }
2.2、字符匹配符
字符匹配符 | 含义 | 实例 | 解释 |
---|---|---|---|
[] | 可接收的字符列表 | [abc] | a、b、c 中的任意 1 个字符 |
[^] | 不可接收的字符列表 | [^abc] | 除 a、b、c 之外的任意 1 个字符 包括数字和特殊符号 |
- | 连字符 | a-z | 任意一个小写字母 |
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "abc123def4567AbC";
regex expression1("[abc]");
regex expression2("[^abc]");
regex expression3("[a-z]");
smatch match;
if (regex_search(text, match, expression1))
{
cout << "Match found: " << match.str() << endl;
}
if (regex_search(text, match, expression2))
{
cout << "Match found: " << match.str() << endl;
}
if (regex_search(text, match, expression3))
{
cout << "Match found: " << match.str() << endl;
}
return 0;
}
2.3、元字符
元字符 | 含义 |
---|---|
. | 匹配单个除换行符以外的任意字符 |
\d | 匹配 0~9 任意一个数字 |
\D | 匹配单个任意非数字字符 |
\s | 匹配任意空白字符 |
\S | 匹配任意不是空白符的字符 |
\w | 匹配字母或数字或下划线的任意字符 |
\W | 匹配任意不是字母、数字、下划线的字符 |
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "abc123def4567AbC";
regex expression1(R"(\d\d\d)");
regex expression2("\\d\\w");
smatch match;
// 使用 sregex_iterator 遍历所有匹配的结果
for (sregex_iterator it(text.begin(), text.end(), expression1), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
cout << endl;
for (sregex_iterator it(text.begin(), text.end(), expression2), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
return 0;
}
元字符的大写表示不匹配;
2.4、重复限定符
重复限定符用于指定其前面的字符和组合项连续出现多少次。
重复限定符 | 意义 |
---|---|
? | 0 次 或 1 次 |
* | 0 次 或 多次 |
+ | 1 次 或 多次 |
{n} | 正好出现 n 次 |
{n,} | 至少出现 n 次 |
{n,m} | 出现 n 次 至 m 次 |
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "abc123def4567AbC89d115200a1";
regex expression1(R"(\d{3,5})");
regex expression2(R"(\d+)");
smatch match;
// 使用 sregex_iterator 遍历所有匹配的结果
for (sregex_iterator it(text.begin(), text.end(), expression1), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
cout << endl;
for (sregex_iterator it(text.begin(), text.end(), expression2), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
return 0;
}
2.5、定位符
定位符,用来指定要匹配的字符串出现的位置。
定位符 | 含义 |
---|---|
^ | 指定起始字符 |
$ | 指定结束字符 |
\b | 匹配目标字符串的边界, 边界指的是字串间有空格,或者目标字符串的结束位置 |
\B | 匹配非单词边界 |
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "abc123 def4567abc123abc abc89 d115200 a1abc";
regex expression1("^abc");
regex expression2("abc$");
regex expression3(R"(abc\b)");
regex expression4(R"(^ab\B)");
smatch match;
// 使用 sregex_iterator 遍历所有匹配的结果
for (sregex_iterator it(text.begin(), text.end(), expression1), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
cout << endl;
for (sregex_iterator it(text.begin(), text.end(), expression2), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
cout << endl;
for (sregex_iterator it(text.begin(), text.end(), expression3), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
cout << endl;
for (sregex_iterator it(text.begin(), text.end(), expression4), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
return 0;
}
2.6、选择匹配符
正则表达式用符号 | 来表示或,也叫做分支条件,当满足正则表达里的分支条件的任何一种条件时,都会当成匹配成功。
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "你好啊,小樱同学,欢迎你加入小樱班,从现在开始你就是我的朋友啊,小樱同志,请多多关照。";
regex expression("小樱同学|小樱同志");
smatch match;
// 使用 sregex_iterator 遍历所有匹配的结果
for (sregex_iterator it(text.begin(), text.end(), expression), end; it != end; ++it)
{
match = *it;
cout << "Found match: " << match.str() << " at position: " << match.position() << endl;
}
return 0;
}
2.6、分组组合
重复限定符是作用在与它相邻的最左边的一个字符。正则表达式中可以使用小括号 () 来做分组,也就是括号中的内容会作为一个整体。
2.6.1、捕获分组
我们可以使用 std::smatch
类来获取匹配结果。正则表达式字符串中的第一对括号是第 1 组,第二对括号是第 2 组,依次类推。使用 match[i] 就可以取得匹配文本的不同部分。match[0]返回这个匹配的文本。
捕获分组 | 说明 |
---|---|
(pattern) | 非命名捕获。捕获匹配的子字符串。编号为零的第一个捕获是由整个正则表达式模式匹配的文本,其它捕获结果则根据左括号的顺序从 1 开始自动编号。 |
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "我是小樱,我的身份证明是37028419860401232X";
string pattern = R"(\d{6}(\d{4})(\d{2})(\d{2})\d{3}[\dX])";
regex expression(pattern);
smatch match;
// 使用std::sregex_iterator遍历所有匹配项
for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression); i != sregex_iterator(); ++i)
{
match = *i;
// match[0] 包含整个匹配项
// match[1] 是第一个捕获组
// match[2] 是第二个捕获组
cout << "整个匹配项: " << match[0] << endl;
for (int i = 1; i < match.size(); i++)
{
cout << "第" << i << "个捕获组: " << match[i] << endl;
}
}
return 0;
}
2.6.2、非捕获分组
非捕获分组 | 说明 |
---|---|
(?:pattern) | 匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储以后使用的匹配。 例如:“小樱(?:同学|同志)” 等价于 “小樱同学|小樱同志” |
(?=pattern) | 它是一个非捕获匹配。 例如:“Harmony(?=2|3)” 匹配 “Harmony2” 中的 “Harmony”,但不匹配 “Harmony1” 中的 “Harmony” |
(?!pattern) | 该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配。 例如:“Harmony(?=2|3)” 匹配 “Harmony1” 中的 “Harmony”,但不匹配 “Harmony2” 中的 “Harmony” |
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "你好啊,小樱同学,欢迎你加入小樱班,从现在开始你就是我的朋友啊,小樱同志,请多多关照。";
regex expression1("小樱(?:同学|同志)");
regex expression2("小樱(?=同学|同志)");
regex expression3("小樱(?!同学|同志)");
smatch match;
// 使用std::sregex_iterator遍历所有匹配项
for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression1); i != sregex_iterator(); ++i)
{
match = *i;
cout << "整个匹配项: " << match[0] << endl;
}
cout << endl;
for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression2); i != sregex_iterator(); ++i)
{
match = *i;
cout << "整个匹配项: " << match[0] << endl;
}
cout << endl;
for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression3); i != sregex_iterator(); ++i)
{
match = *i;
cout << "整个匹配项: " << match[0] << endl;
}
return 0;
}
2.7、非贪婪匹配
当 ? 元字符紧随任何其它限定符 (*、+、?、{n}、{n,}、{n,m})之后,匹配模式是 “非贪婪匹配”。非贪婪匹配搜索到、尽可能短的字符串。而默认的贪婪匹配搜索到的尽可能长的字符串。
#include <iostream>
#include <regex>
using namespace std;
int main(void)
{
string text = "abc111111abc";
// 贪婪匹配
regex expression1(R"(\d{3,5})");
// 非贪婪匹配
regex expression2(R"(\d{3,5}?)");
smatch match;
// 使用std::sregex_iterator遍历所有匹配项
for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression1); i != sregex_iterator(); ++i)
{
match = *i;
cout << "整个匹配项: " << match[0].str() << endl;
}
cout << endl;
for (sregex_iterator i = sregex_iterator(text.begin(), text.end(), expression2); i != sregex_iterator(); ++i)
{
match = *i;
cout << "整个匹配项: " << match[0].str() << endl;
}
return 0;
}