zoukankan      html  css  js  c++  java
  • sscanf与正则表达式

     原文链接

    今天翻google reader的时候看到这样一篇文章,介绍的是sscanf的高级用法。直到今天我才知道sscanf是可以直接用正则表达式的,惭愧。

    在msdn中sscanf的声明如下

    int sscanf( const char *buffer, const char *format [, argument ] ... );

    双字节版本的是这样的

    int swscanf( const wchar_t *buffer, const wchar_t *format [, argument ] ... );

    第一个参数是源字符串,这没什么好讲。第三个及以后的参数是可变参数列表,用于接收解析出来之后的值,可变参数列表不是本文的重点,暂且不提。最有玄机的是第二个参数,也就是所谓的format。我们知道prinft,sprintf,scanf,sscanf这四个函数(以及相应的双字节版本)都接收一个名为format的字符串作为参数,以便对输入输出做格式化,比如

    sscanf(“12”, "%d", &in)

    可以把字符串"12"(念做一二)格式化成10进制数12(念做十二),并赋值给in,而

    sscanf(“12”, "%s", str)

    可以把字符串"12"格式化成字符串12,并拷贝到str指向的内存区域。如此种种。如果你仔细看过c语言手册,那么你一定对次非常熟悉,并喜欢在中间夹杂点啊三啊啥的组成诸如%.4ld之类的format赢取初学者(或者老板)的赞扬。但是你可真不一定了解,format里是可以直接用正则表达式的,比如

    sscanf("123334abcd123", "%[0-9]*", str);

    执行完后str的内容是字符串"123334"。[0-9]*是一个非常简单的正则表达式,意思是匹配数字任意次。关于正则表达式的更多内容请参看这个

    我们在写程序时经常会碰到需要解析字符串的情况,而正则表达式则是解决此类问题的利器。如果我们能善用c标准库函数就能使用的正则表达式,一定可以做到事半而功倍。

    ------------

    附正则表达式完整列表

    字元

    描述

    \

    將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後引用、或一個八進位轉義符。例如,「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。

    ^

    匹配輸入字元串的開始位置。如果設置了RegExp對象的Multiline屬性,^也匹配「\n」或「\r」之後的位置。

    $

    匹配輸入字元串的結束位置。如果設置了RegExp對象的Multiline屬性,$也匹配「\n」或「\r」之前的位置。

    *

    匹配前面的子表達式零次或多次。例如,zo*能匹配「z」以及「zoo」。*等價于{0,}。

    +

    匹配前面的子表達式一次或多次。例如,「zo+」能匹配「zo」以及「zoo」,但不能匹配「z」。+等價于{1,}。

    ?

    匹配前面的子表達式零次或一次。例如,「do(es)?」可以匹配「do」或「does」中的「do」。?等價于{0,1}。

    {n}

    n是一個非負整數。匹配確定的n次。例如,「o{2}」不能匹配「Bob」中的「o」,但是能匹配「food」中的兩個o。

    {n,}

    n是一個非負整數。至少匹配n次。例如,「o{2,}」不能匹配「Bob」中的「o」,但能匹配「foooood」中的所有o。「o{1,}」等價于「o+」。「o{0,}」則等價于「o*」。

    {n,m}

    mn均為非負整數,其中n<=m。最少匹配n次且最多匹配m次。例如,「o{1,3}」將匹配「fooooood」中的前三個o。「o{0,1}」等價于「o?」。請注意在逗號和兩個數之間不能有空格。

    ?

    當該字元緊跟在任何一個其他限制符(*,+,?,{n},{n,},{n,m})後面時,匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字元串,而默認的貪婪模式則盡可能多的匹配所搜索的字元串。例如,對於字元串「oooo」,「o+?」將匹配單個「o」,而「o+」將匹配所有「o」。

    .

    匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元,請使用像「[.\n]」的模式。

    (pattern)

    匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中則使用$0…$9屬性。要匹配圓括號字元,請使用「\(」或「\)」。

    (?:pattern)

    匹配pattern但不獲取匹配結果,也就是說這是一個非獲取匹配,不進行存儲供以後使用。這在使用「或」字元(|)來組合一個模式的各個部分是很有用。例如,「industr(?:y|ies)就是一個比」industry|industries'更簡略的表達式。

    (?=pattern)

    正向預查,在任何匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如, 「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」,但不能匹配「Windows3.1」中 的「Windows」。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜索,而不是從包含預查的字元之後開始。

    (?!pattern)

    負向預查,在任何不匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如 「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」,但不能匹配「Windows2000」中 的「Windows」。預查不消耗字元,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜索,而不是從包含預查的字元之後開始

    x|y

    匹配x或y。例如,「z|food」能匹配「z」或「food」。「(z|f)ood」則匹配「zood」或「food」。

    [xyz]

    字符集合。匹配所包含的任意一個字元。例如,「[abc]」可以匹配「plain」中的「a」。

    [^xyz]

    負值字符集合。匹配未包含的任意字元。例如,「[^abc]」可以匹配「plain」中的「p」。

    [a-z]

    字元範圍。匹配指定範圍內的任意字元。例如,「[a-z]」可以匹配「a」到「z」範圍內的任意小寫字母字元。

    [^a-z]

    負值字元範圍。匹配任何不在指定範圍內的任意字元。例如,「[^a-z]」可以匹配任何不在「a」到「z」範圍內的任意字元。

    \b

    匹配一個單詞邊界,也就是指單詞和空格間的位置。例如,「er\b」可以匹配「never」中的「er」,但不能匹配「verb」中的「er」。

    \B

    匹配非單詞邊界。「er\B」能匹配「verb」中的「er」,但不能匹配「never」中的「er」。

    \cx

    匹配由x指明的控制字元。例如,\cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則,將c視為一個原義的「c」字元。

    \d

    匹配一個數字字元。等價于[0-9]。

    \D

    匹配一個非數字字元。等價于[^0-9]。

    \f

    匹配一個換頁符。等價于\x0c和\cL。

    \n

    匹配一個換行符。等價于\x0a和\cJ。

    \r

    匹配一個回車符。等價于\x0d和\cM。

    \s

    匹配任何空白字元,包括空格、製表符、換頁符等等。等價于[\f\n\r\t\v]。

    \S

    匹配任何非空白字元。等價于[^\f\n\r\t\v]。

    \t

    匹配一個製表符。等價于\x09和\cI。

    \v

    匹配一個垂直製表符。等價于\x0b和\cK。

    \w

    匹配包括下劃線的任何單詞字元。等價于「[A-Za-z0-9_]」。

    \W

    匹配任何非單詞字元。等價于「[^A-Za-z0-9_]」。

    \xn

    匹配n,其中n為十六進位轉義值。十六進位轉義值必須為確定的兩個數字長。例如,「\x41」匹配「A」。「\x041」則等價于「\x04」&「1」。正則表達式中可以使用ASCII編碼。.

    \num

    匹配num,其中num是一個正整數。對所獲取的匹配的引用。例如,「(.)\1」匹配兩個連續的相同字元。

    \n

    標識一個八進位轉義值或一個向後引用。如果\n之前至少n個獲取的子表達式,則n為向後引用。否則,如果n為八進位數字(0-7),則n為一個八進位轉義值。

    \nm

    標識一個八進位轉義值或一個向後引用。如果\nm之前至少有nm個獲得子表達式,則nm為向後引用。如果\nm之前至少有n個獲取,則n為一個後跟文字m的向後引用。如果前面的條件都不滿足,若nm均為八進位數字(0-7),則\nm將匹配八進位轉義值nm

    \nml

    如果n為八進位數字(0-3),且ml均為八進位數字(0-7),則匹配八進位轉義值nml。

    \un

    匹配n,其中n是一個用四個十六進位數字表示的Unicode字元。例如,\u00A9匹配版權符號(©)。

  • 相关阅读:
    time 模块学习
    day 14 自定义模块,常用模块 time .datetime ,time 模块
    day 13 课后作业
    day 12 课后作业
    day 11课后作业
    树状数组最值
    hdu 1059 Dividing bitset 多重背包
    XVII Open Cup named after E.V. Pankratiev. XXI Ural Championship
    最长公共子序列板/滚动 N^2
    Uva 10635
  • 原文地址:https://www.cnblogs.com/wangkangluo1/p/2498345.html
Copyright © 2011-2022 走看看