!!! boost学习之正则表达式regex

http://blog.csdn.net/lqxqust/archive/2009/11/18/4830957.aspx

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. 到<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大法宝
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.
两大法宝是:

regex_iterator 迭代器regex_token_iterator 迭代器

这两大法宝是整个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~~

#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";
 
    //练习代码...
   
   
    cin.get(); //暂停
}
#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";

    //练习代码...
  
  
    cin.get(); //暂停
}

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。

{    //提取子串
    boost::cmatch mat;
    boost::regex reg( szStr );
    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;
}

 

 

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first和second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

{ //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; 
    } 
} 

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~$9（或\1~\9）表示第几个子串,$&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。

{ //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(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; 
    } 
} 

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。
{ //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(szStr, szStr+strlen(szStr), reg,-1); 
　　boost::cregex_token_iterator itrBegin(szStr.begin(), szStr.end(), reg,-1); 
    boost::cregex_token_iterator itrEnd; 
    for(boost::cregex_token_iterator itr=itrBegin; itr!=itrEnd; ++itr) 
    { 
        cout << *itr << endl; 
    } 
} 
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:
{ //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; 
    } 
} 

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/lqxqust/archive/2009/11/18/4830957.aspx
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; 
}