2024.11.20 鲜花

正则表达式

核心共振

⚡超越一切震慑凡人⚡

⚡带来终结机械降神⚡

⚡风暴之力充满全身⚡

⚡最后一击核心共振⚡

就是首先你需要知道一些元字符，也就是它的语法。

最基本的几个：

^ $ 分别指定行首和行尾。

[abc] 表示匹配 a,b,c 中的一个，当然长度不限。也有一些符合人类直觉的写法：[a-o] 表示从 a 到 o 的所有小写字母，[1-9] [A-X] 也都是对的。

[^abc] 表示匹配除了 a,b,c 中的一个，将 ^ 放到 [] 里相当于取反。

{a} {a,} {a,b} 分别表示匹配恰好 \(a\) 次，至少 \(a\) 次，\([a,b]\) 次。

. 表示一个任意除回车（\n 和 \r）字符，在某些时候（如 C 中不指定 REG_NEWLINE 时）也会匹配回车。

() 用于划分单元，将其中的内容作为一个单元匹配，可以用 \x 来引用第 \(x\) 段以获取的匹配，如 (.)\1 匹配两个相同字符，在 C++ 中查找时会先储存整个的匹配，再将每段分别储存。

| 就是或，两边有一边成立就匹配。

\b 匹配单词和空格的边界，并不匹配字符。

\B \b 取反。

\f \n \r \t \v 就是字面意思，匹配换页，换行，制表等。

\< \> 分别匹配词首和词尾，分隔符不一定是空格。

会了上面的基本就会所有了，下面的大多都是上面的的等价简略写法。

? 等价 {0,1}

+ 等价 {1,}

\d 等价 [0-9]

\s 匹配不可见，等价 [\f\n\r\t\v]

\w 匹配包括下划线在内的所有单词字符，等价 [0-9A-Za-z_]

\D \S \W 上面那仨的取反。

然后想在 C++ 里用正则表达式，还要学一点语法。

考虑一下速度，boost 的功能强大但有非常“优秀”的速度，C++ 的速度在匹配不上时较快，匹配上时飞慢，而且查找也是飞慢，所以这里建议大家用 C 里的 regex.h，虽然好像只有 linux 能用。

用法就是首先你要引用 <regex.h> 库。

一共两个类型，四个函数：

regex_t：用来存已经编译好的正则表达式。

int regcomp(regex_t &a,const char *s,int t)：a 就是用来存的，s 是需要编译的表达式，t 是编译 tag，一共四个，等号后面是它的值：REG_EXTENDED=1 使用更牛的库，一般是要加的，REG_ICASE=2 设置大小写不敏感，REG_NEWLINE 如果不加，默认忽略回车，就会导致 ^ $ 只能匹配第一个和最后一个，且 . 能匹配回车，加上了就完全取反，REG_NOSUB 不返回匹配结果，只返回是否成功匹配。

regmatch_t：用来存匹配结果，.rm_so 表示起点，.rm_eo 是终点加一。

int regexec(regex_t &a,const char *s,size_t x,regmatch_t &c,int t)：表示用表达式 a 匹配（或者说查找） s；x 是存储个数，会将正串匹配和 \(x-1\) 前个单元的匹配放到 c，若制定了 REG_NOSUB 会忽略；t 是 tag，一共两种，REG_NOTBOL=1 表示禁用 ^，REG_NOTEOL=2 表示禁用 $，若指定了 REG_NEWLINE 会忽略，返回值为 \(0\) 表示找到了，为其他表示没找到或出现错误；每次只能匹配第一个，要匹配所有的话写循环每次位移即可。

因为 regcomp 分配了内存，所以在每次编译后都要用 void regfree(regex_t &a) 来释放内存。理论上每次重新编译也要先释放，但是实测不释放也能过，不知道会不会有其他问题。

regerror 是在产生错误后返回错误信息，感觉没啥用，可以自行百度。

有个板子：正则表达式

P