C++ 正则表达式<regex>

　　转自WestwindrestC++正则表达式 <regex>

一 简介

　　概括而言，使用正则表达式处理字符串的流程包括：

1. 用正则表达式定义要匹配的字符串的规则，
2. 然后对目标字符串进行匹配，
3. 最后对匹配到的结果进行操作。

　　C++ 的 regex 库提供了用于表示正则表达式和匹配结果的基本类型，以及使用这些基本类型作为参数或返回结果（通过参数来返回，不是函数的返回值）的搜寻、匹配、替换等函数。

二 基本类型

2.1 basic_regex 及其实例化类型 regex、wregex

　　模板类型 basic_regex 用于表示正则表达式对象，<regex> 库提供了它的两种实例化类型：

 　　构造函数一般接受一个字符串作为参数，如：

 　　构造函数中还有一个默认参数flags，默认值为 std::regex::ECMAScript，该参数可以用来设置正则表达式所采用的语法（有且只能设置一种），如 std::regex::grep, std::regex::awk 等，也可以设置 case insensitive，flags 的多个值用比特位 OR 操作|连接，如：

2.2 match_results、sub_match 及其实例化类型

　　match_results 是一种 container-like 的模板类，用于存放对目标串执行完 regex matching 操作后匹配到的结果，其中的每个元素（即每个匹配结果）是一个 sub_match 的实例化对象。

　　match_results 的实例类型有下列四种：

 　　与match_results 相似，sub_match 的实例化类型也有四种：

 

　　sub_match 对象存储的不是匹配到的字符串本身，而是指向这个串开始（initial）和结束后一个字符（past-the-end）的 bidirectional iterators，但是它们表现起来类似于一个字符串，成员函数 length 返回字符串长度。compare 用于和一个字符串或另一个 sub_match 对象比较，相等则返回0，不等则：若它比参数小（第一个未匹配的字符小于参数中该位置字符，或者它是参数的一个前缀）返回一个负值，否则返回一个正值。str返回对应的字符串。

　　根据一次匹配的结果，match_results 可能为空也可能不空，使用 match_results::empty() 来判空，使用 match_results::size() 来获取元素个数。对于一个不空的 match_results 对象，其第一个 sub_match 元素（[0]）对应着整个完整匹配，后续的元素对应着正则表达式中的 sub-match（即用()括起来的各个分组匹配），未匹配的部分可以通过 prefix 和 suffix 来获取。下面是一个简单的例子，参考自 boost的文档：

#include <regex>
#include <iostream>
#include <string>

int main() {
    std::string target = "@abc def--";
    std::regex e("(\w+)\W+(\w+)");
    std::smatch sm; 
    std::regex_search(target, sm, e); 

    std::cout << "sm.prefix: " << sm.prefix() << std::endl;
    for (int i = 0; i < sm.size(); ++i) {
        std::cout << "sm[" << i << "]: " << sm[i] << std::endl;
    }   
    std::cout << "sm.prefix: " << sm.suffix() << std::endl;

    return 0;
}

三 正则操作

3.1 regex_match

　　用于将目标串和正则表达式匹配，返回一个 bool 值，true 为匹配，false 为不匹配。匹配的含义是目标字符串必须完全和正则表达式相匹配，不能有多余的字符，如果需要部分匹配则应使用regex_search。函数签名有很多，详见cplusplus.com。构造函数分成两种，一种接受一个 match_results 作为对象，参数顺序为：待匹配的字符串，match_results 对象，正则表达式对象；另一种没有 match_results，参数顺序为：待匹配的字符串，正则表达式对象。此外，函数还接受一个可选的 flags 参数，用于控制匹配选项，详见链接。

3.2 regex_search

　　只要目标字串中有一个字串（无论该子串在字符串中什么位置）能和正则表达式相匹配就返回true。函数签名同regex_match相似。

3.3 regex_replace

　　该函数有多个重载版本，常用的版本中参数顺序基本上 s，rgx，fmt，flags，其中 s 为要处理的字符串，rgx 为要匹配的正则表达式，fmt 为要替换的字符串，其中可以包含格式化字符，下述，flags为可选的参数，用于设置一些选项。

　　参数 fmt 中可以包含下列格式化字符：

 　　在替换时，会先将参数 fmt 中的格式化字符替换成相应的内容，然后再将这个字符串替换掉目标字符串中的完整匹配（相当于 $& 或 match_results[0]）。