轉載請說明出處。
C++正則
總述
正則是一種規則，它用來匹配（進而捕獲、替換）字符串。這種規則需要“模式”、“字符串”這兩樣東西，“模式”根據正則規則，來處理“字符串”。
這種規則被許多語言支持，C++11以后才支持正則。
C++11支持的正則和其他語言支持的正則有區別，本篇記錄的目的不在於講解正則，也不在於闡述C++11支持的正則詳細是什么，而是只記下常見的、夠用的正則規則（以供速查，應有不嚴謹之處）及使用用法。
ECMAScript支持的正則
正則由元字符和普通字符組成。普通字符就代表它原本的含義；元字符的意義不同於該字符本來的含義，而是有特殊的意義和功能。
根據其意義功能划分，可將元字符划分為：
具有特殊意義的元字符
\：\字符能夠改變字符原本的含義
^：^字符指示字符串的頭，且要求字符串以字符開頭，不占位。\^表示一個真正的^符號。
$：$字符指示字符串的尾，且要求字符串以字符結尾，不占位。\$表示一個真正的$符號。
()：分組，大正則中包含小正則。可以改變默認的優先級。在模式中可以使用\1來表示第一組已然捕獲到的東西。
\b：指示字符串的邊界（頭/尾/空格左/空格右），字符\b要求邊界的左邊是字符，\b字符要求邊界的右邊是字符。
.：表示一個除了\n以外的任意一個字符。\.表示一個真正的.符號。
|：字符串1|字符串2表示一個字符串，該字符串是字符串1、字符串2中的一個。|在正則中的優先級比較混亂，所以建議加上足夠多的括號來分組。
[]：[字符1字符2字符3...]表示一個字符，該字符是字符1、字符2、字符3……中的某一個。中括號中出現的所有字符都是代表本身意思的字符（沒有特殊含義），如[.]只能匹配.符號，而不能匹配任意符號。
[^字符1字符2字符3...]表示一個字符，該字符不是字符1、字符2、字符3……中的任何一個
[a-z]表示一個字符，該字符是a、b、c……z中的某一個
[^a-z]表示一個字符，該字符不是a、b、c……z中的任何一個
\w：表示一個字符，該字符是數字、字母、下划線中的某一個。等價於[(0-9)(a-z)(A-Z)(_)]
\W：表示一個字符，該字符不是數字、字母、下划線中的任何一個。等價於[]
\d表示一個字符，該字符是0、1、2……9中的某一個
\D表示一個字符，該字符不是0、1、2……9中的任何一個
\s表示一個字符，該字符是空白符（空格、制表符、換頁符）2、代表出現次數的
量詞元字符
*：字符*要求字符出現0到多次
+：字符+要求字符出現1到多次
?：字符?要求字符出現0次或1次
{n}：字符{n}要求字符出現n次
{n,}：字符{n,}要求字符出現n到多次
{n,m}：字符{n,m}要求字符出現n到m次、
C++支持的正則
C++可以支持ECMAScript支持的正則，也可以支持grep支持的正則等等。
由於我本人較熟悉ECMAScript支持的正則，且C++默認支持的即是它，所以我接下來講的也是這種正則。
首先要舉一個例子解釋一下，
/**在ECMAScript中寫一個匹配11位電話號碼的正則模式是這樣寫的**/
var r = /\d{1, 11}/;
/**在C++中寫一個匹配11位電話號碼的正則模式是這樣寫的**/
regex r("\\d{1, 11}")
看似不一樣，其實是一樣的，因為傳遞給regex構造函數的參數是一個字符串，該字符串被C++編譯器解析時，將\\解釋為真正的\（由於C++中的字符\是轉義字符），解析出來的\和緊隨其后的d組合，形成了真正的\d，表示一個數字字符。
所以含有\的元字符，在C++定義時，都要寫成\\。
C++使用正則
匹配與否
頭文件<regex>中的regex_match和regex_search均可以進行匹配，返回一個布爾類型，匹配成功為true，匹配失敗為false。
不同點：前者要求完全匹配，后者要求子串匹配即可；
下面以regex_match為例，regex_search的寫法與之相同，故不贅述。
string str = "hhh233";
regex r("[a-z0-9]+");
// 用法一
bool flag = regex_match(str,r);
// 用法二
bool flag = regex_match(str,regex("\\d+"));
// 用法三
bool flag = regex_match(str.begin()+7,str.end(),regex("\\d+"));
捕獲
捕獲就是先匹配，然后將匹配結果存儲下來。捕獲同樣是使用上面介紹的那兩個函數，仍然區分為整串匹配和子串匹配。
捕獲的步驟：
- 模式中一般要有分組（因為捕捉的正是分組匹配的結果）
- 定義一個STL容器smatch，用來保存捕捉的結果
- 使用
reg_search函數匹配，用smatch的實例存儲匹配的結果，即完成捕捉。 - 使用
m.size()，查看捕捉到的個數；使用m.str(i)，查看捕捉到的字符串；【注意：m.str(0)一定是整個正則匹配到的部分，m.str(1)及以后才是分組捕獲的結果】 m.prefix().str()獲取整個匹配之前的字符串；m.suffix().str()獲取整個匹配之后的字符串
代碼：
#include <bits/stdc++.h>
using namespace std;
int main()
{
string str;
while(true){
cin >> str;
regex e("([[:w:]]+)@([[:w:]]+)\.com");
smatch m;
bool found = regex_search(str, m, e);
if(found)
{
cout << "m.size() " << m.size() << endl;
for(int i=0; i<m.size(); ++i){
cout << "m.str(" << i << "): " << m.str(i) << endl;
}
cout << "m.prefix().str(): " << m.prefix().str() << endl;
cout << "m.suffix().str(): " << m.suffix().str() << endl;
}
else cout << "Not Found" << endl;
return 0;
}
}
結果為：
補充：
- 獲取第i個匹配
m.str(i)，還有其他等價寫法：m[i].str()、*(m.begin() + i) - 模式其實可以不分組...這樣就只有
m.str(0)捕捉到整個串，沒有m.str(1)其他的了。
更高級的捕捉
由於regex_replace方法只能捕捉到第一個匹配，想要捕捉到每一個匹配，以及匹配內的分組，需要使用另外一種方法：
步驟：
- 正則內有分組
- 定義迭代器的同時初始化迭代器，使其指向一個
smatch實例的數組。 - 定義
end，標志smatch實例的數組的末尾 - 使用迭代器遍歷數組
代碼：
#include <bits/stdc++.h>
using namespace std;
int main()
{
string str = "boo@gmail.com boqian@hotmail.com bo_qian@163.com";
regex e("([[:w:]]+)@([[:w:]]+)\.com");
sregex_iterator pos(str.cbegin(), str.cend(), e);
sregex_iterator end;
for(; pos!=end; ++pos)
{
cout << "Matched: " << pos->str(0) << endl;
cout << "user name: " << pos->str(1) << endl;
cout << "domain: " << pos->str(2) << endl;
cout << endl;
}
return 0;
}
補充：
-
同上，模式中也可以沒有分組，這樣也就沒有
pos->str(1)其他的了。 -
還有一種更高級的捕捉，能夠實現一模一樣的功能，只是對捕獲的結果的組織順序不相同，它將所有與第一個分組匹配的結果，放在一個容器內。
運行如下代碼，感受一下：
#include <bits/stdc++.h> using namespace std; int main() { string str = "boo@gmail.com boqian@hotmail.com bo_qian@163.com"; regex e("([[:w:]]+)@([[:w:]]+)\.com"); sregex_token_iterator pos(str.cbegin(), str.cend(), e, 1);// 表示第一個分組，再換成0、2、-1感受一下 sregex_token_iterator end; for(; pos!=end; ++pos) { cout << "Matched: " << pos->str() << endl; cout << endl; } return 0; }
捕捉的同時生成新串
regex_replace方法先完成捕捉，得到類似於：
大匹配1：分組1、分組2
大匹配2：分組1、分組2
大匹配3：分組1、分組2
...
所以如下代碼：
#include <bits/stdc++.h>
using namespace std;
int main()
{
string str = "boo@gmail.com boqian@hotmail.com bo_qian@163.com";
regex e("([[:w:]]+)@([[:w:]]+)\.com");
cout << regex_replace(str, e, "$1 is on $2\n", regex_constants::format_no_copy); // 除了捕捉到的組以外，其他的東西均舍棄
return 0;
}
運行結果：
補充：
regex_replace除了regex_constants::format_no_copy以外，還有其他flag，如regex_constants::format_first_only表示只取“大匹配1”，而忽略其他。- flag和flag之間通過
|相連接。 regex_match和regex_search也有自己的flag，如用於忽略英文字母大小寫的regex_constants::icase
參考資料
https://www.bilibili.com/video/av7701532/?p=12
https://zh.cppreference.com/w/cpp/regex