Boost::Regex代码示例

时间：2010-11-02 来源：zhdrfirst

看一个别人给出的例子，当我们输入“select 字符串 from 字符串”的时候，会得到输出；如果不符合这个格式，就会输出error。注意：在命令行下输入的时候，按ctrl+Z、回车表示行输入结束。

#include <cstdlib>
#include <stdlib.h>
#include <boost/regex.hpp>
#include <string>
#include <iostream>
using namespace std;
using namespace boost;
regex expression("select ([a-zA-Z]*) from ([a-zA-Z]*)");
int main(int argc, char* argv[])
{
std::string in;
cmatch what;
cout << "enter test string" << endl;
getline(cin,in);
if(regex_match(in.c_str(), what, expression))
{
for(int i=0;i<what.size();i++)
cout<<"str :"<<what.str()<<endl;
}
else
{
cout<<"Error Input"<<endl;
}
return 0;
}

regex对象与regex_match()函数

下面是一个检测两个字符串是否符合指定表达式的例子：

#include <iostream>
#include <cassert>
#include <string>
#include <boost/regex.hpp>
using namespace std;
using namespace boost;
int main()
{
regex reg("\\d{3}([a-zA-Z]+).(\\d{2}|N/A)\\s\\1");
string correct = "123Hello N/A Hello";
string incorrect = "123Hello 12 hello";
assert(regex_match(correct,reg)==true);
assert(regex_match(incorrect,reg)==false);
return 0;
}

reg的格式含义是：三个数字，1个单词，一个任意字符，2个数字或者字符串N/A，1个空格，然后再重复第一个单词。

下面是一个匹配邮件地址的表达式例子：

#include <iostream>
#include <cassert>
#include <string>
#include <boost/regex.hpp>
using namespace std;
using namespace boost;
int main()
{
regex reg("\\w(.+)@(.+)\\.com");
string correct = "[email protected]";
assert(regex_match(correct,reg)==true);
return 0;
}

很有意思吧！

regex_search()函数的使用

#include <iostream>
#include <cassert>
#include <string>
#include <boost/regex.hpp>
using namespace std;
using namespace boost;
int main()
{
    regex reg("(new)|(delete)");
smatch m;
    string s = "Calls to new mustbe followed by delete.  Calling simply new results in aleak!";
int new_counter = 0;
    int delete_counter = 0;
    string::const_iterator it = s.begin();
//    string::const_iterator end = s.end();
    while (regex_search(it,(string::const_iterator)s.end(),m,reg))
    {
        m[1].matched ? ++new_counter : ++delete_counter;
        it = m[0].second;
    }
    if (new_counter != delete_counter)
        cout<<"Leak detected!\n";
    else
        cout<<"Seems OK...\n";
    return 0;
}

在上面的例子中，统计new和delete这两个单词的数目是不是一样。注意：smatch对象，它其实是一个match_results类型，分别用来记录reg中的索引是否被匹配。如果“new”被匹配了，那么m[1].matched就会为真(true)；m[0].second表示it向后移动了，继续匹配剩下的字符串。

m[0]，返回的是对匹配整个正则表达式的子匹配的引用，因此可以确定这个匹配的结束点通常是下次运行regex_search函数的起始点。

regex_replace()函数的使用

顾名思义，它可以用于执行文本替换。它在输入数据中进行搜索，查找正则表达式的所有匹配，对于每个匹配，该算法调用match_results::format，并将结果输出到一个传递给该函数的输出迭代器(output iterator)中。

下面的例子将英式拼法的colour替换为美式拼法的color。如果不使用正则表达式来进行这个拼写的修改，将会非常单调乏味，而且容易出错。问题在于单词中可能存在不同的大小写，而且单词可能还有很多的变形——例如colourize。为了正确地解决这个问题，需要把正则表达式分为3个子表达式：

regex reg("(Colo)(u)(r)",boost::regex::icase|boost::regex::perl);

为了在任何匹配中能够很容易地删除字母u，我们对它进行了隔离。后面的是regex构造函数的标志参数，表示这个正则表达式不区分大小写；设置格式标志过程中的一个常见错误是忽略了regex需要默认启用的那些标志，如果没有设置这些标志，那么它们就不会启用，因此通常情况下必须使用应用应该设置的所有标志。

在使用regex_replace替换时，我们需要以参数的方式提供一个格式化字符串，该字符串决定如何进行替换。如果我们希望保留第一个和第三个匹配的子表达式，那么可以使用$N（N为子表达式的索引）来实现。下面是解决问题的完整代码：

#include <iostream>
#include <cassert>
#include <string>
#include <boost/regex.hpp>
using namespace std;
using namespace boost;
int main()
{
regex reg("(Colo)(u)(r)",regex::icase | regex::perl);
string s = "Colour, colours,color,colourize";
s = regex_replace(s,reg,"$1$3");
// s = regex_replace(s,reg,"$1 wocao $3");//尝试在输出字符串中加空格 cout<<s<<endl;
return 0;
}

关于重复和贪婪

#include <iostream>
#include <cassert>
#include <string>
#include <boost/regex.hpp>
using namespace std;
using namespace boost;
int main()
{
regex reg("(.*)(\\d{2})");
cmatch m;
const char * text = "Note that I'm 31 years old, not 32.";
if (regex_search(text,m,reg))
{
if (m[1].matched)
{
cout<<m[1].str()<<'\n';
}
if (m[2].matched)
{
cout<<m[2]<<'\n';
}
}
}

上面代码的输出结果是：

Note that I'm 31, not

也就是说，正则表达式中的".*"选项贪婪地吞掉了所有的输入！从而致使后面的子表达式无法获得匹配。按照我们的想法：31应该是符合\d{2}的条件的，应该被输出！但是可惜，它被*吞掉了。在正则表达式中，+和*都是重复性贪婪的。

为了非贪婪的重复，怎么办呢？可以在重复记号后面加一个问号"?"，重复就会变成非贪婪的。修改上面代码的表达式：

regex reg("(.*?)(\\d{2})");

再运行程序，结果就变成：

Note that I'm

明白了吧？

regex_iterator的介绍和使用

#include <iostream>
#include <cassert>
#include <string>
#include <boost/regex.hpp>
using namespace std;
using namespace boost;
class regex_callback
{
int sum_;
public:
regex_callback():sum_(0){}
template<typename T> void operator()(const T& what)
{
sum_+=atoi(what[1].str().c_str());
}
int sum() const
{
return sum_;
}
};
int main()
{
regex reg("(\\d+),?");
string s = "1,1,2,3,5,8,13,21";
sregex_iterator it(s.begin(),s.end(),reg);
sregex_iterator end;
regex_callback c;
int sum = for_each(it,end,c).sum();
}

sregex_iterator是regex_iterator<std::string::const_iterator>的typedef，现在的使用方法更加清晰了。我们可以对比一下前面使用regex_search的时候，不得不在循环中手动地让起始迭代器前进，而且还要手动调用regex_search函数。

regex_token_iterator的介绍和使用

它和regex_iterator相似，但是它列举的是与正则表达式不匹配的字符序列，该特性对于字符串分割非常有用。当解引用regex_token_iterator时，只有被“预订”的子表达式才可以返回。下面这个例子：输入数据的条目之间用“/”分隔，要获得两个斜杠之间的数据；使用regex_token_iterator来分隔处理就特别简单，因为它的表达式简单：regex reg("/")；为了使用这个正则表达式来分割输入，需要将一个特殊的索引-1传递给regex_token_iteraotr的构造函数。

#include <iostream>
#include <cassert>
#include <boost/regex.hpp>
using namespace std;
using namespace boost;
int main()
{
regex reg("/");
string s = "Split/Values/Separated/By/Slashes,";
vector<string> vec;
sregex_token_iterator it(s.begin(),s.end(),reg,-1);
sregex_token_iterator end;
while (it!=end)
vec.push_back(*it++);
assert(vec.size()==count(s.begin(),s.end(),'/')+1);
assert(vec[0]=="Split");
return 0;
}

regex_token_iterator是一个模板类，sregex_token_iterator是迭代器类型，是regex_token_iterator<std::string::const_iterator>的typedef。在上面的程序中，每次解引用返回的都是当前的sub_match，当迭代器前进时，它会尝试再次匹配该正则表达式。

换一个不同类型的输入，也应该能够写出程序来！