C++11 – 快速学会正则表达式

转载自：https://ayaka.shn.hk/cppregex/

1 概述

C++ 中正则表达式通常使用 R"(...)" 的形式，相当于 Python 中的 r"..."，保证字符串内部的 \ 等字符不被转义。但是，R"(...)" 中的 () 是语法的一部分，一定不要当成字符串里面的内容。例如，R"(1234)" 表示字符串 "1234"，而不是 "(1234)"。

创建正则表达式使用如下形式：

const std::regex re { R"(\S+)" };

如果要指定忽略大小写， 则使用如下形式：

const std::regex re { R"(\S+)", std::regex::icase };

2 查找

2.1 判断是否完全匹配

使用 std::regex_match 函数，第一个参数为字符串，第二个参数为正则表达式，返回值为 bool。

2.1.1 示例：验证电话号码

假设电话号码为 xxx-xxxxx 的形式

#include <iostream>
#include <regex>

int main() {
    const std::regex re { R"(\d{3}-\d{5})" };

    const std::string str1 = "123-12345";
    const bool matched1 = std::regex_match(str1, re);
    std::cout << (matched1 ? "Yes" : "No") << std::endl;

    const std::string str2 = "123-12345a";
    const bool matched2 = std::regex_match(str2, re);
    std::cout << (matched2 ? "Yes" : "No") << std::endl;
}

输出：

Yes
No

2.1.2 密码格式验证

在设置密码时，要求至少包含一个小写字母、一个大写字母、至少一个标点字符，并且至少有 6 个字符长。

同上例，第一个参数为待验证的密码字符串，第二个参数为正则表达式：

(?=.*[a-z])(?=.*[A-Z])(?=.*[[:punct:]]).{6,}

2.2 判断是否局部匹配

使用 std::regex_search 函数，第一个参数为字符串，第二个参数为正则表达式，返回值为 bool。

它与 std::regex_match 的区别是，std::regex_search 只要局部匹配就返回 true，而 std::regex_match 必须完全匹配整个字符串。

2.2.1 示例：判断每行是否均在 20 字符以内

#include <iostream>
#include <regex>

int main() {
    const std::regex re { R"(^.{21,}$)" };
    const std::string str =
R"(0123456789012345
012345678901234567
0123456789012345678901
0123456)";
    const bool matched = std::regex_search(str, re);
    std::cout << (!matched ? "Yes" : "No") << std::endl;
}

输出：

No

2.3 统计匹配个数

使用std::distance函数

2.3.1 示例：统计词数

#include <iostream>
#include <regex>
#include <iterator>

int main() {
    const std::regex re { R"(\S+)" };
    const std::string str = "Lorem ipsum dolor sit amet, consectetur";
    const std::sregex_iterator begin { str.cbegin(), str.cend(), re }, end;
    const auto count = std::distance(begin, end);
    std::cout << count << std::endl;
}

输出：

6

3 提取

3.1 完全匹配并提取分组

使用 std::regex_match 函数，第一个参数为字符串，第二个参数为匹配结果，第三个参数为正则表达式。返回值为 bool，若匹配成功，则返回 true，且匹配结果存入第二个参数中。

3.1.1 示例：匹配字母加数字

#include <iostream>
#include <regex>

int main() {
    const std::regex re { R"(([A-Za-z]+)([0-9]+))" };
    const std::string str = "ABC9876543";
    std::smatch match;
    if (std::regex_match(str, match, re)) {
        const std::ssub_match match_1 = match[1];
        const std::ssub_match match_2 = match[2];
        std::cout << match_1.str() << ' ' << match_2.str() << std::endl;
    }
}

输出:

ABC 9876543

3.2 局部匹配并提取分组

使用 std::regex_search 函数，第一个参数为字符串，第二个参数为匹配结果，第三个参数为正则表达式。返回值为 bool，若匹配成功，则返回 true，且匹配结果存入第二个参数中。

它与 std::regex_match 的区别是，std::regex_search 只要局部匹配就返回 true，而 std::regex_match 必须完全匹配整个字符串。

3.2.1 示例：匹配长度为 5 的单词的前两个字母

#include <iostream>
#include  <regex>

int main() {
    const std::regex re { R"(\b([a-z]{2})[a-z]{3}\b)" };
    const std::string str = "thread look welcome high merit cup";
    std::smatch match;
    if (std::regex_search(str, match, re)) {
        const std::ssub_match match_1 = match[1];
        std::cout << match_1.str() << std::endl;
    }
}

输出：

me

3.3 获取所有匹配

使用 std::sregex_iterator，然后对迭代器使用 it->str()。

3.3.1 示例：逐行输出所有单词

import <iostream>
import <regex>

int main() {
    const std::regex re { R"(\S+)" };
    const std::string str = "Lorem ipsum dolor sit amet, consectetur";
    for (std::sregex_iterator it { str.cbegin(), str.cend(), re }, end; it != end; ++it)
        std::cout << it->str() << std::endl;
}

输出：

Lorem
ipsum
dolor
sit
amet,
consectetur

3.4 从所有匹配中提取分组

使用 std::sregex_iterator，然后对迭代器使用 (*it)[1]

3.4.1 示例：匹配十六进制数的数字部分

#include <iostream>
#include <regex>

int main() {
    const std::regex re { R"(0x([0-9a-f]+))" };
    const std::string str = "  0x1d782 0x86fa1  0x54b67 ";
    for (std::sregex_iterator it { str.cbegin(), str.cend(), re }, end; it != end; ++it)
        std::cout << (*it)[1] << std::endl;
}

输出

1d782
86fa1
54b67

4 分割

4.1 分割字符串

4.1.1 示例：根据空白字符分割单词（类似 Python 中 re.split）

#include <iostream>
#include <list>
#include <regex>

std::list<std::string> split(const std::string& str, const std::regex& delim) {
    const std::sregex_token_iterator
        begin { str.cbegin(), str.cend(), delim, -1 }, end;
    return { begin, end };
}

int main() {
    const std::string str = "  Lorem   ipsum \n dolor sit  \t amet,   consectetur  ";
    const std::regex delim { R"(\s+)" };
    const auto tokens = split(str, delim);
    for (const std::string& token : tokens)
        std::cout << token << std::endl;
}

输出

Lorem
ipsum
dolor
sit
amet,
consectetur

5 替换

5.1 替换字符串

使用 std::regex_replace。

5.1.1 示例

#include <iostream>
#include <regex>

int main() {
    const std::regex re { R"(<(\/?)h1>)" };
    const std::string str = "<h1>Apples</h1><p>I like apples.</p>\n"
                            "<h1>Bananas</h1><p>I also like bananas.</p>";
    const std::string res = std::regex_replace(str, re, "<$1h2>");
    std::cout << res << std::endl;
}