GRETA正则表达式模板类库
正则表达式语法
| 字符元 | 意义 |
| . | 匹配单个字符 |
| [ ] | 指定一个字符类，匹配方括号内的任意字符。例：[abc] 匹配 "a", "b"或 "c"。 |
| ^ | 如果^出现在字符类的开始处，它否定了字符类，这个被否定的字符类匹配除却方括号内的字符的字符。如：[^abc]匹配除了"a", "b"和"c"之外的字符。如果^出现在正则表达式前边，它匹配输入的开头，例：^[abc]匹配以"a", "b"或"c"开头的输入。 |
| - | 在字符类中，指定一个字符的范围。例如：[0-9]匹配"0"到"9"的数字。 |
| ? | 指明?前的表达式是可选的，它可以匹配一次或不进行匹配。例如： [0-9][0-9]? 匹配"2"或"12"。 |
| + | 指明?前的表达式匹配一次或多次。例如：[0-9]+匹配"1", "13", "666"等。 |
|
* |
指明*前的表达式匹配零次或多次。 |
| ??, +?, *? | ?, +和*的非贪婪匹配版本，它们尽可能匹配较少的字符；而?, +和*则是贪婪版本，尽可能匹配较多的字符。例如：输入"<abc><def>", 则<.*?> 匹配"<abc>"，而<.*>匹配"<abc><def>"。 |
| ( ) | 分组操作符。例如：(\d+,)*\d+匹配一串由逗号分开的数字，例如： "1"或"1,23,456"。 |
| \ | 转义字符，转义紧跟的字符。例如，[0-9]+ 匹配一个或多个数字，而 [0-9]\+ 匹配一个数字后跟随一个加号的情况。反斜杠\也用于表示缩写，\a 就表示任何数字、字母。如果\后紧跟一个数字n，则它匹配第n个匹配群组(从0开始)，例如，<{.*?}>.*?</\0>匹配"<head>Contents</head>"。注意，在C++字符串中，反斜杠\需要用双反斜杠\\来表示： "\\+", "\\a", "<{.*?}>.*?</\\0>"。 |
| $ | 放在正则表达式的最后，它匹配输入的末端。例如：[0-9]$匹配输入的最后一个数字。 |
| | | 间隔符，分隔两个表达式，以正确匹配其中一个，例如：T|the匹配"The" 或"the"。 |
缩写匹配
| 缩写 | 匹配 |
| \a | 字母、数字([a-zA-Z0-9]) |
| \b | 空格(blank): ([ \\t]) |
| \c | 字母([a-zA-Z]) |
| \d | 十进制数 ([0-9]) |
| \h | 十六进制数([0-9a-fA-F]) |
| \n | 换行: (\r|(\r?\n)) |
| \q | 引用字符串(\"[^\"]*\")|(\''''[^\'''']*\'''') |
| \w | 一段文字 ([a-zA-Z]+) |
| \z | 一个整数([0-9]+) |
ATL CATLRegExp
ATL Server常常需要对地址、命令等复杂文字字段信息解码，而正则表达式是强大的文字解析工具，所以，ATL提供了正则表达式解释工具。
示例：
#include "stdafx.h"
#include <atlrx.h>
int main(int argc, char* argv[])
{
CAtlRegExp<> reUrl;
// five match groups: scheme, authority, path, query, fragment
REParseError status = reUrl.Parse(
"({[^:/?#]+}:)?(//{[^/?#]*})?{[^?#]*}(?{[^#]*})?(#{.*})?" );
if (REPARSE_ERROR_OK != status)
{
// Unexpected error.
return 0;
}
CAtlREMatchContext<> mcUrl;
if (!reUrl.Match(
"http://search.microsoft.com/us/Search.asp?qu=atl&boolean=ALL#results",
&mcUrl))
{
// Unexpected error.
return 0;
}
for (UINT nGroupIndex = 0; nGroupIndex < mcUrl.m_uNumGroups;
++nGroupIndex)
{
const CAtlREMatchContext<>::RECHAR* szStart = 0;
const CAtlREMatchContext<>::RECHAR* szEnd = 0;
mcUrl.GetMatch(nGroupIndex, &szStart, &szEnd);
ptrdiff_t nLength = szEnd - szStart;
printf("%d: \"%.*s\"\n", nGroupIndex, nLength, szStart);
}
} 输出：0: "http" 1: "search.microsoft.com" 2: "/us/Search.asp" 3: "qu=atl&boolean=ALL" 4: "results"
Match的结果通过第二个参数pContext所指向的CAtlREMatchContext类来返回，Match的结果及其相关信息都被存放在CAtlREMatchContext类中，只要访问CAtlREMatchContext的方法和成员就可以得到匹配的结果。CAtlREMatchContext通过m_uNumGroups成员以及GetMatch（）方法向调用者提供匹配的结果信息。m_uNumGroups代表匹配上的Group有多少组，GetMatch()则根据传递给它的Group的Index值，返回匹配上的字符串的pStart和pEnd指针，调用者有了这两个指针，自然可以很方便的得到匹配结果。
更多内容请参阅: CAtlRegExp Class GRETA
GRETA是微软研究院推出的一个正则表达式模板类库，GRETA 包含的 C++ 对象和函数，使字符串的模式匹配和替换变得很容易，它们是:
为了执行搜索和替换的操作，用户首先需要用一个描述匹配规则的字符串来显式初始化一个rpattern对象，然后把需要匹配的字符串作为参数，调用rpattern的函数，比如match()或者substitute()，就可以得到匹配后的结果。如果match()/substitute()调用失败，函数返回false，如果调用成功，函数返回true，此时，match_results对象存储了匹配结果。请看例子代码：
#include <iostream>
#include <string>
#include "regexpr2.h"
using namespace std;
using namespace regex;
int main() {
match_results results;
string str( "The book cost $12.34" );
rpattern pat( "\\$(\\d+)(\\.(\\d\\d))?" );
// Match a dollar sign followed by one or more digits,
// optionally followed by a period and two more digits.
// The double-escapes are necessary to satisfy the compiler.
match_results::backref_type br = pat.match( str, results );
if( br.matched ) {
cout << "match success!" << endl;
cout << "price: " << br << endl;
} else {
cout << "match failed!" << endl;
}
return 0;
} 程序输出将是:match success! price: $12.34
您可以阅读GRETA文档，获知rpattern对象的细节内容，并掌握如何自定义搜索策略来得到更好的效率。
注意：所有在头文件regexpr2.h里的声明都在名称空间regex之中，用户使用其中的对象和函数时，必须加上前缀"regex::"，或者预先"using namespace regex;" 一下，为了简单起见，下文的示例代码中将省略"regex::" 前缀。 作者生成了greta.lib和regexpr2.h文件，只需这两个文件的支持即可使用greta来解析正则表达式。
匹配速度小议
不同的正则表达式匹配引擎擅长于不同匹配模式。作为一个基准，当用模式："^([0-9]+)(\-| |$)(.*)$" 匹配字符串"100- this is a line of ftp response which contains a message string"时，GRETA的匹配速度比boost(http://www.boost.org)正则表达式库大约快7倍，比ATL7的CATLRegExp快10倍之多! Boost Regex 的说明文档带有一个很多模式的匹配测试Performance结果。比较这个结果后，我发现GRETA在大部分情况下和Boost Regex性能差不多，但是在用Visual Studio.Net 2003编译的情况下，GRETA还略胜一筹。 Boost.Regex
Boost提供了boost::basic_regex来支持正则表达式。boost::basic_regex的设计非常类似std::basic_string：
namespace boost{
template <class charT,
class traits = regex_traits<charT>,
class Allocator = std::allocator<charT> > class basic_regex;
typedef basic_regex<char> regex;
typedef basic_regex<wchar_t> wregex;
} Boost Regex 库附带的文档非常丰富，示例更是精彩，比如有两个例子程序，不多的代码，程序就可以直接对 C++ 文件进行语法高亮标记，生成相应的 HTML (converts a C++ file to syntax highlighted HTML)。下面的例子可以分割一个字符串到一串标记符号(split a string into tokens)。 #include <list>
#include <boost/regex.hpp>
unsigned tokenise(std::list<std::string>& l, std::string& s)
{
return boost::regex_split(std::back_inserter(l), s);
}
#include <iostream>
using namespace std;
#if defined(BOOST_MSVC) || (defined(__BORLANDC__) && (__BORLANDC__ == 0x550))
// problem with std::getline under MSVC6sp3
istream& getline(istream& is, std::string& s)
{
s.erase();
char c = is.get();
while(c != ''''\n'''')
{
s.append(1, c);
c = is.get();
}
return is;
}
#endif
int main(int argc)
{
string s;
list<string> l;
do{
if(argc == 1)
{
cout << "Enter text to split (or \"quit\" to exit): ";
getline(cin, s);
if(s == "quit") break;
}
else
s = "This is a string of tokens";
unsigned result = tokenise(l, s);
cout << result << " tokens found" << endl;
cout << "The remaining text is: \"" << s << "\"" << endl;
while(l.size())
{
s = *(l.begin());
l.pop_front();
cout << s << endl;
}
}while(argc == 1);
return 0;
}
http://topic.csdn.net/t/20040818/10/3285376.html
ASP.NET 完全支持正规表达式的处理。正规表达式提供了一种高级的，但不直观的字符串匹配和处理的方法。用过正规表达式的
朋友都知道，正规表达式的功能非常强大，但学起来不是那么容易。
比如：
mailto:%5E.+@.+\\..+$
这段有效却难以理解的代码足够使一些程序员头痛（我就是）或者让他们放弃使用正规表达式。相信当你读完这个教程后，就可
以理解这段代码的含义了。
基本模式匹配
一切从最基本的开始。模式，是正规表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符
串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。例如：
^once
这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。例如该模式与字符串"once upon a time"匹配，
与"There once was a man from NewYork"不匹配。正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。
bucket$
这个模式与"Who kept all of this cash in a bucket"匹配，与"buckets"不匹配。字符^和$同时使用时，表示精确匹配（字符串与模式一
样）。例如：
^bucket$
只匹配字符串"bucket"。如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。例如：模式
once
与字符串
There once was a man from NewYork
Who kept all of his cash in a bucket.
是匹配的。
在该模式中的字母(o-n-c-e)是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。其他一些稍微复杂的字符，如标点
符号和白字符（空格、制表符等），要用到转义序列。所有的转义序列都用反斜杠(\)打头。制表符的转义序列是：\t。所以如果我
们要检测一个字符串是否以制表符开头，可以用这个模式：
^\t
类似的，用\n表示“新行”，\r表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句号.用\.表示，以
此类推。
字符簇
在INTERNET的程序中，正规表达式通常用来验证用户的输入。当用户提交一个FORM以后，要判断输入的电话号码、地址、
EMAIL地址、信用卡号码等是否有效，用普通的基于字面的字符是不够的。
所以要用一种更自由的描述我们要的模式的办法，它就是字符簇。要建立一个表示所有元音字符的字符簇，就把所有的元音字符
放在一个方括号里：
[AaEeIiOoUu]
这个模式与任何元音字符匹配，但只能表示一个字符。用连字号可以表示一个字符的范围，如：
[a-z] //匹配所有的小写字母
[A-Z] //匹配所有的大写字母
[a-zA-Z] //匹配所有的字母
[0-9] //匹配所有的数字
[0-9\.\-] //匹配所有的数字，句号和减号
[ \f\r\t\n] //匹配所有的白字符
同样的，这些也只表示一个字符，这是一个非常重要的。如果要匹配一个由一个小写字母和一位数字组成的字符串，比
如"z2"、"t6"或"g7"，但不是"ab2"、"r2d3" 或"b52"的话，用这个模式：
^[a-z][0-9]$
尽管[a-z]代表26个字母的范围，但在这里它只能与第一个字符是小写字母的字符串匹配。
前面曾经提到^表示字符串的开头，但它还有另外一个含义。当在一组方括号里使用^是，它表示“非”或“排除”的意思，常常用来剔
除某个字符。还用前面的例子，我们要求第一个字符不能是数字：
^[^0-9][0-9]$
这个模式与"&5"、"g7"及"-2"是匹配的，但与"12"、"66"是不匹配的。下面是几个排除特定字符的例子：
[^a-z] //除了小写字母以外的所有字符
[^\\\/\^] //除了(\)(/)(^)之外的所有字符
[^\"\'] //除了双引号(")和单引号(')之外的所有字符
特殊字符"." (点，句号)在正规表达式中用来表示除了“新行”之外的所有字符。所以模式"^.5$"与任何两个字符的、以数字5结尾和以
其他非“新行”字符开头的字符串匹配。模式"."可以匹配任何字符串，除了空串和只包括一个“新行”的字符串。
PHP的正规表达式有一些内置的通用字符簇，列表如下：
字符簇 含义
[[:alpha:]] 任何字母
[[:digit:]] 任何数字
[[:alnum:]] 任何字母和数字
[[:space:]] 任何白字符
[[:upper:]] 任何大写字母
[[:lower:]] 任何小写字母
[[:punct:]] 任何标点符号
[[:xdigit:]] 任何16进制的数字，相当于[0-9a-fA-F]
确定重复出现
到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字
母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。
字符簇 含义
^[a-zA-Z_]$ 所有的字母和下划线
^[[:alpha:]]{3}$ 所有的3个字母的单词
^a$ 字母a
^a{4}$ aaaa
^a{2,4}$ aa,aaa或aaaa
^a{1,3}$ a,aa或aaa
^a{2,}$ 包含多于两个a的字符串
^a{2,} 如：aardvark和aaab，但apple不行
a{2,} 如：baad和aaa，但Nantucket不行
\t{2} 两个制表符
.{2} 所有的两个字符
这些例子描述了花括号的三种不同的用法。一个数字，{x}的意思是“前面的字符或字符簇只出现x次”；一个数字加逗号，{x,}的意
思是“前面的内容出现x或更多的次数”；两个用逗号分隔的数字，{x,y}表示“前面的内容至少出现x次，但不超过y次”。我们可以把
模式扩展到更多的单词或数字：
^[a-zA-Z0-9_]{1,}$ //所有包含一个以上的字母、数字或下划线的字符串
^[0-9]{1,}$ //所有的正数
^\-{0,1}[0-9]{1,}$ //所有的整数
^\-{0,1}[0-9]{0,}\.{0,1}[0-9]{0,}$ //所有的小数
最后一个例子不太好理解，是吗？这么看吧：与所有以一个可选的负号(\-{0,1})开头(^)、跟着0个或更多的数字([0-9]{0,})、和一个
可选的小数点(\.{0,1})再跟上0个或多个数字([0-9]{0,})，并且没有其他任何东西($)。下面你将知道能够使用的更为简单的方法。
特殊字符"?"与{0,1}是相等的，它们都代表着：“0个或1个前面的内容”或“前面的内容是可选的”。所以刚才的例子可以简化为：
^\-?[0-9]{0,}\.?[0-9]{0,}$
特殊字符"*"与{0,}是相等的，它们都代表着“0个或多个前面的内容”。最后，字符"+"与 {1,}是相等的，表示“1个或多个前面的内
容”，所以上面的4个例子可以写成：
^[a-zA-Z0-9_]+$ //所有包含一个以上的字母、数字或下划线的字符串
^[0-9]+$ //所有的正数
^\-?[0-9]+$ //所有的整数
^\-?[0-9]*\.?[0-9]*$ //所有的小数
当然这并不能从技术上降低正规表达式的复杂性，但可以使它们更容易阅读。
BOOL CErrAnalyzer::IsExistErr()
{
if(m_pStream == NULL)
{
cout<<"File not open"<<endl;
return FALSE;
}
CAtlRegExp<> reUrl;
REParseError status = reUrl.Parse(REGEX_PROJECTNAME);
if (REPARSE_ERROR_OK != status)
{
cout<<"Parse error."<<endl;
return FALSE;
}
CString bufRead;
while(ReadString(bufRead) != FALSE)
{
CAtlREMatchContext<> mcUrl;
mcUrl.m_uNumGroups = 0;
if (!reUrl.Match(bufRead, &mcUrl))
{
continue;
}
for (UINT nGroupIndex = 0; nGroupIndex < mcUrl.m_uNumGroups; ++nGroupIndex)
{
const CAtlREMatchContext<>::RECHAR* szStart = 0;
const CAtlREMatchContext<>::RECHAR* szEnd = 0;
mcUrl.GetMatch(nGroupIndex, &szStart, &szEnd);
ptrdiff_t nLength = szEnd - szStart;
printf("%d: \"%.*s\"\n", nGroupIndex, nLength, szStart);
}
break;
}
return TRUE;
}
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/lyl_98/archive/2006/07/04/874083.aspx
