C++正则表达式 <regex>

一 简介

概括而言，使用正则表达式处理字符串的流程包括：

1. 用正则表达式定义要匹配的字符串的规则，
2. 然后对目标字符串进行匹配，
3. 最后对匹配到的结果进行操作。

C++ 的 regex 库提供了用于表示正则表达式和匹配结果的基本类型，以及搜寻、匹配、替换等函数。

二 基本类型

2.1 basic_regex 及其实例化类型 regex、wregex

模板类型 basic_regex 用于表示正则表达式对象，<regex> 库提供了它的两种实例化类型：

typedef basic_regex<char>     regex;
typedef basic_regex<wchar_t>  wregex;

构造函数一般接受一个字符串作为参数，如

std::regex reg ("[0-9A-Z]+");

构造函数中还有一个默认参数flags，默认值为 std::regex::ECMAScript，该参数可以用来设置正则表达式所采用的语法，如 std::regex::grep, std::regex::awk 等，也可以设置 case insensitive。flags 的多个值用比特位 OR 操作|连接，如

std::regex ninth ("\\bd\\w+", ECMAScript | icase );

但是正则语法的flag只能设置一种。

具体的构造函数声明及fags值的定义参考basic_regex::basic_regex - C++ Reference。

2.2 match_results、sub_match 及其实例化类型

match_results 是一种 container-like 的模板类，用于存放对目标串执行完 regex matching 操作后匹配到的结果，其中的每个元素（即每个匹配结果）是一个 sub_match 的实例化对象。

match_results 的实例类型有下列四种：

typedef match_results<const char*> cmatch;
typedef match_results<const wchar_t*> wcmatch;
typedef match_results<string::const_iterator> smatch;
typedef match_results<wstring::const_iterator> wsmatch;

与 match_results 相似，sub_match 的实例化类型也有四种：

typedef sub_match<const char*> csub_match;
typedef sub_match<const wchar_t*> wcsub_match;
typedef sub_match<string::const_iterator> ssub_match;
typedef sub_match<wstring::const_iterator> wssub_match;

sub_match 对象存储的不是匹配到的字符串本身，而是指向这个串开始（initial）和结束后一个字符（past-the-end）的 bidirectional iterators，但是它们表现起来类似于一个字符串：

• 成员函数 length 返回字符串长度；
• compare 用于和一个字符串或另一个 sub_match 对象比较，相等则返回0，不等则：若它比参数小（字典序）返回一个负值，否则返回一个正值；
• str 返回对应的字符串。

根据一次匹配的结果，match_results 可能为空也可能不空，使用 match_results::empty() 来判空，使用 match_results::size() 来获取元素个数。对于一个不空的 match_results 对象，其第一个 sub_match 元素（[0]）对应着整个完整匹配，后续的元素对应着正则表达式中的 sub-match（即用()括起来的各个分组匹配），未匹配的部分可以通过 prefix 和 suffix 来获取。下面是一个简单的例子，参考自 boost的文档：

#include <regex>
#include <iostream>
#include <string>

int main() {
    std::string target = "@abc def--";
    std::regex e("(\\w+)\\W+(\\w+)");
    std::smatch sm; 
    std::regex_search(target, sm, e); 

    std::cout << "sm.prefix: " << sm.prefix() << std::endl;
    for (int i = 0; i < sm.size(); ++i) {
        std::cout << "sm[" << i << "]: " << sm[i] << std::endl;
    }   
    std::cout << "sm.suffix: " << sm.suffix() << std::endl;

    return 0;
}

Output:
======================================
sm.prefix: @
sm[0]: abc def
sm[1]: abc
sm[2]: def
sm.suffix: --

三 正则操作

3.1 regex_match

用于将目标串和正则表达式匹配，返回一个 bool 值，true 为匹配，false 为不匹配。匹配的含义是目标字符串必须完全和正则表达式相匹配，不能有多余的字符，如果需要部分匹配则应使用regex_search。函数签名有很多，详见cplusplus.com。

构造函数分成两种：

• 一种接受一个 match_results 作为对象，参数顺序为：
  - 待匹配的字符串，
  - match_results 对象，
  - 正则表达式对象；
• 另一种没有 match_results，参数顺序为：
  - 待匹配的字符串，
  - 正则表达式对象。
  此外，构造函数还接受一个可选的 flags 参数，用于控制匹配选项，详见上述链接。

3.2 regex_search

只要目标字串中有一个字串（无论该子串在字符串中什么位置）能和正则表达式相匹配就返回true。函数签名同regex_match相似。

3.3 regex_replace

该函数有多个重载版本，常用的版本中参数顺序基本上为 s，rgx，fmt，flags，其中：

• s 为要处理的字符串，
• rgx 为要匹配的正则表达式，
• fmt 为要替换的字符串，其中可以包含格式化字符，
• flags为可选的参数，用于设置一些选项。

参数 fmt 中可以包含下列格式化字符：

characters	replacement
$n	表示第n组匹配，n大于0
$&	表示整个匹配
$`	prefix
$´	suffix
$$	表示$这个字符本身

在替换时，会先将参数 fmt 中的格式化字符替换成相应的内容，然后再将这个字符串替换掉目标字符串中的完整匹配（相当于 $& 或 match_results[0]）。