Boost学习之正则表达式--regex

boost::regex类为C++提供了完整的正则表达式支持,并且已被接收为C++0x标准库。它同时也在Boost库中扮演着极重要的角色,不少Boost子库都需要它的支持,有不少人甚至就是为了它才下载使用Boost的。

注意使用Boost.Regex需要预先编译

完整编译请参考本站编译Boost的文章
如果只要编译Regex库,有两种方法(参考链接):

  1. 在Boost根目录下运行bjam --toolset=<编译器名> --with-regex 其它参数
  2. <boost>\libs egex\build里,找到对应编译器的makefile,然后make -f xxxx.mak

使用

Boost.Regex手里有七种武器和两****宝
其中的七种武器是:

regex_match 函数regex_search 函数regex_replace 函数regex_format 函数regex_grep 函数regex_split 函数RegEx 类

每种武器都又有诸多变化(每个函数都分别以C字符串类型std::string类型迭代器类型作为参数重载),不过后面四种武器因年久失修已不建议使用.
两****宝是:

regex_iterator 迭代器regex_token_iterator 迭代器

这两****宝是整个Boost.Regex的灵魂,用熟它们以后那是“摘花飞叶即可伤人”啊~~

回到正题,下面边写边学。

所需头文件:

#include <boost/regex.hpp>

 

示例代码:

先准备一个测试用的数据备用,如果各位有雅兴可以参考本站的另一篇文章《Google Testing》使用Google Testing框架来做这个实验,花一样时间学两样啊~~

  1. #include <iostream>
  2. #include <boost/regex.hpp>
  3.  
  4. using namespace std;
  5. int main(int argc, char* argv[])
  6. {    //( 1 )   ((  3  )  2 )((  5 )4)(    6    )   
  7.     //(\w+)://((\w+\.)*\w+)((/\w*)*)(/\w+\.\w+)?
  8.     //^协议://网址(x.x...x)/路径(n个\字串)/网页文件(xxx.xxx)
  9.     const char *szReg = "(\\w+)://((\\w+\\.)*\\w+)((/\\w*)*)(/\\w+\\.\\w+)?";
  10.     const char *szStr = "http://www.cppprog.com/2009/0112/48.html";
  11.  
  12.     //练习代码...
  13.    
  14.    
  15.     cin.get(); //暂停
  16. }

 

1.字符串匹配

要确定一行字符串是否与指定的正则表达式匹配,使用regex_match
下面这个代码可以验证szStr字串(定义在上面)是否与szReg匹配。

  1. {    //字符串匹配
  2.     boost::regex reg( szReg );
  3.     bool r=boost::regex_match( szStr , reg);
  4.     assert(r); //是否匹配
  5. }


boost::regex的构造函数中还可以加入标记参数用于指定它的行为,如:

  1. //指定使用perl语法(默认),忽略大小写。
  2. boost::regex reg1( szReg, boost::regex::perl|boost::regex::icase );
  3. //指定使用POSIX扩展语法(其实也差不多)
  4. boost::regex reg2( szReg, boost::regex::extended );



下面这个代码不仅验证是否匹配,而且可以从中提取出正则表达式括号对应的子串。

  1. {    //提取子串
  2.     boost::cmatch mat;
  3.     boost::regex reg( szStr );
  4.     bool r=boost::regex_match( szStr, mat, reg);
  5.     if(r) //如果匹配成功
  6.     {
  7.         //显示所有子串
  8.         for(boost::cmatch::iterator itr=mat.begin(); itr!=mat.end(); ++itr)
  9.         {
  10.             //       指向子串对应首位置        指向子串对应尾位置          子串内容
  11.             cout << itr->first-szStr << ' ' << itr->second-szStr << ' ' << *itr << endl;
  12.         }
  13.     }
  14.     //也可直接取指定位置信息
  15.     if(mat[4].matched) cout << "Path is" << mat[4] << endl;
  16. }


其中,boost::cmatch是一个针对C字符串的特化版本,它还有另三位兄弟,如下:

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


可以把match_results看成是一个sub_match的容器,同时它还提供了format方法来代替regex_format函数。
一个sub_match就是一个子串,它从std::pair<BidiIterator, BidiIterator>继承而来,这个迭代器pair里的firstsecond分别指向了这个子串开始和结尾所在位置。同时,sub_match又提供了str(),length()方法来返回整个子串。
 

2.查找字符串

regex_match只验证是否完全匹配,如果想从一大串字符串里找出匹配的一小段字符串(比如从网页文件里找超链接),这时就要使用regex_search了。
下面这段代码从szStr中找数字

  1. //查找
  2.     boost::cmatch mat;
  3.     boost::regex reg( "\\d+" );    //查找字符串里的数字
  4.     if(boost::regex_search(szStr, mat, reg))
  5.     {
  6.         cout << "searched:" << mat[0] << endl;
  7.     }
  8. }

 

3.替换

regex_replace提供了简便的方法来部分替换源字符串
正则表达式中,使用$1~$9\1~\9)表示第几个子串,$&表示整个串,$`表示第一个串,$'表示最后未处理的串。

  1. //替换1,把上面的HTTP的URL转成FTP的
  2.     boost::regex reg( szReg );
  3.     string s = boost::regex_replace( string(szStr), reg, "ftp://$2$5");
  4.     cout << "ftp site:"<< s << endl;
  5. }


正则表达式中,使用(?1~?9新字串)表示把第几个子串替换成新字串

  1. //替换2,使用format_all参数把<>&全部转换成网页字符
  2.     string s1 = "(<)|(>)|(&)";
  3.     string s2 = "(?1&lt;)(?2&gt;)(?3&amp;)";
  4.     boost::regex reg( s1 );
  5.     string s = boost::regex_replace( string("cout << a&b << endl;"), reg, s2, boost::match_default | boost::format_all);
  6.     cout << "HTML:"<< s << endl;
  7. }


 

4.使用regex_iterator查找

    对应于C字符串和C++字符串以及宽字符,regex_iterator同样也有四个特化:

    typedef regex_iterator<const char*> cregex_iterator;    typedef regex_iterator<std::string::const_iterator> sregex_iterator;    typedef regex_iterator<const wchar_t*> wcregex_iterator;    typedef regex_iterator<std::wstring::const_iterator> wsregex_iterator;


    这个迭代器的value_type定义是一个match_results

  1. //使用迭代器找出所有数字
  2.     boost::regex reg( "\\d+" );    //查找字符串里的数字
  3.     boost::cregex_iterator itrBegin(szStr, szStr+strlen(szStr), reg);
  4.     boost::cregex_iterator itrEnd;
  5.     for(boost::cregex_iterator itr=itrBegin; itr!=itrEnd; ++itr)
  6.     {
  7.             //       指向子串对应首位置        指向子串对应尾位置          子串内容
  8.             cout << (*itr)[0].first-szStr << ' ' << (*itr)[0].second-szStr << ' ' << *itr << endl;
  9.     }
  10. }


    Boost.Regex也提供了make_regex_iterator函数简化regex_iterator的构造,如上面的itrBegin可以写成:

itrBegin = make_regex_iterator(szStr,reg);

 

5.使用regex_token_iterator拆分字符串

    它同样也有四个特化,形式和上面类似,就不再写一遍骗篇幅了。
    这个迭代器的value_type定义是一个sub_match

  1. //使用迭代器拆分字符串
  2.     boost::regex reg("/");  //按/符拆分字符串
  3.     boost::cregex_token_iterator itrBegin(szStr, szStr+strlen(szStr), reg,-1);
  4.     boost::cregex_token_iterator itrEnd;
  5.     for(boost::cregex_token_iterator itr=itrBegin; itr!=itrEnd; ++itr)
  6.     {
  7.         cout << *itr << endl;
  8.     }
  9. }


    Boost.Regex也提供了make_regex_token_iterator函数简化regex_token_iterator的构造,最后的那个参数-1表示以reg为分隔标志拆分字符串,如果不是-1则表示取第几个子串,并且可以使用数组来表示同时要取几个子串,例如:

  1. //使用迭代器拆分字符串2
  2.     boost::regex reg("(.)/(.)");  //取/的前一字符和后一字符(这个字符串形象貌似有点邪恶-_-)
  3.     int subs[] = {1,2};        // 第一子串和第二子串
  4.     boost::cregex_token_iterator itrBegin = make_regex_token_iterator(szStr,reg,subs); //使用-1参数时拆分,使用其它数字时表示取第几个子串,可使用数组取多个串
  5.     boost::cregex_token_iterator itrEnd;
  6.     for(boost::cregex_token_iterator itr=itrBegin; itr!=itrEnd; ++itr)
  7.     {
  8.         cout << *itr << endl;
  9.     }
  10. }

完整测试代码:

#include <iostream>

#include <boost/regex.hpp>

 

using namespace std;

int main(int argc, char* argv[])

{    //( 1 )   ((  3  )  2 )((  5 )4)(    6    )   

    //(\w+)://((\w+\.)*\w+)((/\w*)*)(/\w+\.\w+)?

    //^协议://网址(x.x...x)/路径(n个\字串)/网页文件(xxx.xxx)

    const char *szReg = "(\\w+)://((\\w+\\.)*\\w+)((/\\w*)*)(/\\w+\\.\\w+)?";

    const char *szStr = "http://www.cppprog.com/2009/0112/48.html";

 

    {    //字符串匹配

        boost::regex reg( szReg );

        bool r=boost::regex_match( szStr , reg);

        assert(r);

    }

 

    {    //提取子串

        boost::cmatch mat;

        boost::regex reg( szReg );

        bool r=boost::regex_match( szStr, mat, reg);

        if(r) //如果匹配成功

        {

            //显示所有子串

            for(boost::cmatch::iterator itr=mat.begin(); itr!=mat.end(); ++itr)

            {

                //       指向子串对应首位置        指向子串对应尾位置          子串内容

                cout << itr->first-szStr << ' ' << itr->second-szStr << ' ' << *itr << endl;

            }

        }

        //也可直接取指定位置信息

        if(mat[4].matched) cout << "Path is" << mat[4] << endl;

    }

 

    { //查找

        boost::cmatch mat;

        boost::regex reg( "\\d+" );    //查找字符串里的数字

        if(boost::regex_search(szStr, mat, reg))

        {

            cout << "searched:" << mat[0] << endl;

        }

    }

 

    { //替换

        boost::regex reg( szReg );

        string s = boost::regex_replace( string(szStr), reg, "ftp://$2$5");

        cout << "ftp site:"<< s << endl;

    }

    { //替换2,把<>&转换成网页字符

        string s1 = "(<)|(>)|(&)";

        string s2 = "(?1&lt;)(?2&gt;)(?3&amp;)";

        boost::regex reg( s1 );

        string s = boost::regex_replace( string("cout << a&b << endl;"), reg, s2, boost::match_default | boost::format_all);

        cout << "HTML:"<< s << endl;

    }

 

    { //使用迭代器找出所有数字

        boost::regex reg( "\\d+" );    //查找字符串里的数字

        boost::cregex_iterator itrBegin = make_regex_iterator(szStr,reg); //(szStr, szStr+strlen(szStr), reg);

        boost::cregex_iterator itrEnd;

        for(boost::cregex_iterator itr=itrBegin; itr!=itrEnd; ++itr)

        {

                //       指向子串对应首位置        指向子串对应尾位置          子串内容

                cout << (*itr)[0].first-szStr << ' ' << (*itr)[0].second-szStr << ' ' << *itr << endl;

        }

    }

 

    { //使用迭代器拆分字符串

        boost::regex reg("/");  //按/符拆分字符串

        boost::cregex_token_iterator itrBegin = make_regex_token_iterator(szStr,reg,-1); //使用-1参数时拆分,使用其它数字时表示取第几个子串,可使用数组取多个串

        boost::cregex_token_iterator itrEnd;

        for(boost::cregex_token_iterator itr=itrBegin; itr!=itrEnd; ++itr)

        {

            cout << *itr << endl;

        }

    }

 

    { //使用迭代器拆分字符串2

        boost::regex reg("(.)/(.)");  //取/的前一字符和后一字符(这个字符串形象貌似有点邪恶-_-)

        int subs[] = {1,2};        // 第一子串和第二子串

        boost::cregex_token_iterator itrBegin = make_regex_token_iterator(szStr,reg,subs); //使用-1参数时拆分,使用其它数字时表示取第几个子串,可使用数组取多个串

        boost::cregex_token_iterator itrEnd;

        for(boost::cregex_token_iterator itr=itrBegin; itr!=itrEnd; ++itr)

        {

            cout << *itr << endl;

        }

    }

 

 

    cin.get();

    return 0;

}


   

posted on 2010-03-19 13:28  cy163  阅读(...)  评论(...编辑  收藏

导航