正则表达式
一. 正则表达式语句
C++语句示例
#include <regex>
//匹配查找替换语法
regex r("[[:alpha:]]*Hello[[:alpha:]]*");//生成对象
regex_match(input_str, r) //进行匹配，返回true和false
regex_search(input_str, r); //进行查找
regex_replace(input_str, r, "World") //进行替换
//表达式格式,\前都要再加一个\转义，大写取反
\d 表示 0~9 的任意一个数字
\w 表示任意一个大写或小写字母、数字或下划线
\s 表示空格或Tab
. 表示除\n和\r的任意一个字符
| 表示满足任意一个条件即可
[\s\S] 表示任意字符
[abc] 表示只要是abc中的一个就可以，进行范围限定
[^abc] 表示除abc外
[1-9] 表示从1到9的任意一个字符
{n} 表示匹配前面的表达式n次
{a,b} 表示匹配前面的表达式最少a次，最多b次
? 表示0次或1次
+ 表示1次或多次
* 表示0次到多次
(?:) 表示非捕获组，捕获组可以使用\1\2来进行引用
(?=.*[a-z]) 至少包含小写字母
Python语句示例
import re
re.match(r'\s(\w*)\s(\w*).*',line)
re.search('(.*) (.*?) (.*)',line)
re.sub(pattern, repl, string, max=0)
二. 正则表达式实例
1. 重复的子字符串
检查串是否是由多个子串重复构成
regex re("(.*)\\1+"); //C++
regex re("(.+)\\1{1,}");//表示任意非空字符串，重复出现一次以上
return True if re.match(r"^(.+)\1{1,}$", s) else False #Python,^表示开头，$表示结尾
2. 验证IP地址
//IPv4 1、根据"."分割开；2、四段；3、每段0-255；4、无前导0；5、全是digit
regex ipv4("^((25[0-5]|2[0-4][0-9]|1[0-9][0-9]|[1-9]?[0-9])\\.){3}(25[0-5]|2[0-4][0-9]|1[0-9][0-9]|[1-9]?[0-9])$"); //250~255、200~249、100~199、0~99
//IPv6 1、根据":"分隔开；2、八段；3、1-4位；4、字母(abcdef)或者数字
regex ipv6("^([0-9a-fA-F]{1,4}:){7}[0-9a-fA-F]{1,4}$");
3. 标签验证器
//起始标签、结束标签、标签仅含大写字母、长度1~9、内容不匹配<
regex tag(R"(<([A-Z]{1,9})>[^<]*</\1>)"); //这里重复第一个限定组标签
//格式为<![CDATA[]> 、其中内容可以包含任意字符
regex cdata(R"(<!\[CDATA\[.*?\]\]>)"); //*？表示非贪婪模式，尽快匹配第一个遇到的]]>
class Solution {
public:
bool isValid(string code) {
code = regex_replace(code, cdata, "#"); //先将不可解析的内容替换掉,后面要判断其是否在闭合标签间，不能直接删除
for (string prev; prev != code; prev = exchange(code, regex_replace(code, tag, "~"))); //由于不替换<，这里会优先替换内圈的，然后替换外圈，最终把字符串变成一个~ 表示标签是嵌套的
return code == "~";
}
};
4. 删除注释
删除/**/和//的内容
// /**/处理全部内容，非贪婪匹配， //处理当前行内容，这里使用\n进行行分割
const regex re(R"(/\*[\s\S]*?\*/|//[^\n]*)");
class Solution {
public:
vector<string> removeComments(vector<string>& source) {
vector<string> ans;
string s = "";
for(auto &cur:source)
s = s + cur + "\n"; //这里以\n为分割，限制\\的处理范围
s = regex_replace(s, re, "");//处理字符串
istringstream ss(s);//输入流
while(getline(ss, s, '\n')) //以\n为分割批量接受处理过的字符串
if (s.size()) ans.push_back(s); //非空字符串
return ans;
}
};
5. 驼峰式匹配
字符串中含有模板串的子序列，且其他字符都是小写字母
class Solution {
public:
vector<bool> camelMatch(vector<string>& queries, string pattern) {
vector<bool> ans;
// "[a-z]*"s 初始化名为s的字符串， lambda函数使用右值引用来进行字符串的拼接，构建匹配模板串
regex re(accumulate(pattern.cbegin(), pattern.cend(), "[a-z]*"s, [](auto&& s, char c) { return s + c + "[a-z]*"; }));
transform(queries.cbegin(), queries.cend(), back_inserter(ans), [&re](auto&& s) { return regex_match(s, re); });
return ans;
}
};
6. IP地址无效化
用[.]替换.
regex re("\\.");
class Solution {
public:
string defangIPaddr(string address) {
return regex_replace(address, re, "[.]");
}
};
7. 检查单词是否为句中其他单词的前缀
class Solution {
public:
int isPrefixOfWord(string sentence, string searchWord, int ans = 0) {
istringstream iss(sentence);
return any_of(istream_iterator<string>(iss), istream_iterator<string>(), [&, tmp = regex(searchWord + ".*")](auto&& s) { ans++; return regex_match(s, tmp); }) ? ans : -1;
}
};
8. 句子中的有效单词数
// 末尾标点符号（可能有）、中间连接符（可能有）、左右小写字母
regex re("([a-z]+(-[a-z]+)?)?[!,.]?$");
9. 强密码检测器II
//限定条件，至少八个字符、至少包含小写字母、大写字母、数字、特殊字符，同时不含两个连续相同字符
regex re(R"((?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[!@#$%^&*()\-+])(?!.*(.)\1).{8,})");
