C++ 正则化知识

正则表达式(regular expression)是计算机科学中的一个概念，又称规则表达式，通常简写为regex或regexp。

正则表达式是一种文本模式。正则表达式是强大、便捷、高效的文本处理工具。正则表达式本身，加上如同一门袖珍编程语言的通用模式表示法(general pattern notation)，赋予使用者描述和分析文本的能力。配合上特定工具提供的额外支持，正则表达式能够添加、删除、分离、叠加、插入和修整各种类型的文本和数据。

完整的正则表达式由两种字符构成：

1. 特殊字符(special characters)称为”元字符”(meta characters)，
2. 其它为”文字”(literal)，或者是普通文本字符(normal text characters，如字母、数字、汉字、下划线)。
   正则表达式的元字符提供了更强大的描述能力。

一个正则表达式仅仅为一个字符串，它没有长度限制。
“子表达式”指的是整个正则表达式中的一部分，通常是括号内的表达式，或者是由”|”分割的多选分支。

默认情况表达式中的字母区分大小写。

常用元字符见这篇博文。

在C++/C++11中，GCC版本是4.9.0及以上，VS版本为VS2013及以上时，会有regex头文件，
此头文件中会有regex_match、regex_search、regex_replace等函数可供调用，以下是测试代码：

regex_match示例

#include "regex.hpp"
#include <regex>
#include <string>
#include <vector>
#include <iostream>

int test_regex_match()
{
    std::string pattern{ "\d{3}-\d{8}|\d{4}-\d{7}" }; // fixed telephone
    std::regex re(pattern);

    std::vector<std::string> str{ "010-12345678", "0319-9876543", "021-123456789"};

    /* std::regex_match:
        判断一个正则表达式(参数re)是否匹配整个字符序列str,它主要用于验证文本
        注意，这个正则表达式必须匹配被分析串的全部，否则返回false;如果整个序列被成功匹配，返回true
    */

    for (auto tmp : str) {
        bool ret = std::regex_match(tmp, re);
        if (ret) fprintf(stderr, "%s, can match
", tmp.c_str());
        else fprintf(stderr, "%s, can not match
", tmp.c_str());
    }

    return 0;
}

regex_search示例

int test_regex_search()
{
    std::string pattern{ "http|hppts://\w*$" }; // url
    std::regex re(pattern);

    std::vector<std::string> str{ "http://blog.csdn.net/fengbingchun", "https://github.com/fengbingchun",
        "abcd://124.456", "abcd https://github.com/fengbingchun 123" };

    /* std::regex_search:
        类似于regex_match,但它不要求整个字符序列完全匹配
        可以用regex_search来查找输入中的一个子序列，该子序列匹配正则表达式re
    */

    for (auto tmp : str) {
        bool ret = std::regex_search(tmp, re);
        if (ret) fprintf(stderr, "%s, can search
", tmp.c_str());
        else fprintf(stderr, "%s, can not search
", tmp.c_str());
    }

    return 0;
}

int test_regex_search2()
{
    std::string pattern{ "[a-zA-z]+://[^\s]*" }; // url
    std::regex re(pattern);

    std::string str{ "my csdn blog addr is: http://blog.csdn.net/fengbingchun , my github addr is: https://github.com/fengbingchun " };
    std::smatch results;
    while (std::regex_search(str, results, re)) {
        for (auto x : results)
            std::cout << x << " ";
        std::cout << std::endl;
        str = results.suffix().str();
    }

    return 0;
}

regex_replace示例

int test_regex_replace()
{
    std::string pattern{ "\d{18}|\d{17}X" }; // id card
    std::regex re(pattern);

    std::vector<std::string> str{ "123456789012345678", "abcd123456789012345678efgh",
        "abcdefbg", "12345678901234567X" };
    std::string fmt{ "********" };

    /* std::regex_replace:
        在整个字符序列中查找正则表达式re的所有匹配
        这个算法每次成功匹配后，就根据参数fmt对匹配字符串进行替换
    */

    for (auto tmp : str) {
        std::string ret = std::regex_replace(tmp, re, fmt);
        fprintf(stderr, "src: %s, dst: %s
", tmp.c_str(), ret.c_str());
    }

    return 0;
}

int test_regex_replace2()
{
    // reference: http://www.cplusplus.com/reference/regex/regex_replace/
    std::string s("there is a subsequence in the string
");
    std::regex e("\b(sub)([^ ]*)");   // matches words beginning by "sub"

    // using string/c-string (3) version:
    std::cout << std::regex_replace(s, e, "sub-$2");

    // using range/c-string (6) version:
    std::string result;
    std::regex_replace(std::back_inserter(result), s.begin(), s.end(), e, "$2");
    std::cout << result;

    // with flags:
    std::cout << std::regex_replace(s, e, "$1 and $2", std::regex_constants::format_no_copy);
    std::cout << std::endl;

    return 0;
}