正则表达式文法

2020-12-20

好久之前就想学一下正则表达式，虽然之前有过使用python写爬虫使用正则表达式的经历，但工作中不是使用的python,所以就忘记了好多正则表达式，现在回想起来还是需要看一下的毕竟正则表达式是那么的强大，那么的好用。首先来看一些特殊的表达式以及它们的意义：

表达式	意义
.	‘\n’以外所有的字符
[…]	…字符中任何一个
[^…]	非…字符中的任意一个
[[:charclass:]]	指定字符类charclass中的一个（见下表）
\n,\t,\f,\r,\v	一个newline,tabulator,form feed,carriage return或vertical tab
\xhh,\uhhh	一个十六进制字符或Unicode字符
\d,\D,\s,\S,\w,\W	某字符类内的一个字符shortcut（见下表）
*	前一个字符或者group，任意次数
?	前一个字符或者group，可有可无
+	前一个字符或者group,至少一次
{n}	前一个字符或者group, n次
{m,n}	前一个字符或者group,至少m次,最多n次
…\|…	在 \| 之前或者之后的pattern
(…)	设定分组
\1,\2,\3,…	第n个 group
\b	一个正字词的边界
\B	一个负字词的边界
^	一行的起点
$	一行的终点

下表是正则表达式中的字符类：

字符类	缩写	转义字符	含义
[[:alnum:]]			一个字母或者数字
[[:alpha:]]			一个字母
[[:blank:]]			一个space或tab
[[:cntrl:]]			一个控制字符
[[:digit:]]	[[:d:]]	\d	一个数字
		\D	一个非数字
[[:graph:]]			可打印非空白字符
[[:lower:]]			小写数字
[[:print:]]			可打印字符包括空白字符
[[:punct:]]			一个标点符合字符
[[:space:]]	[[:s:]]	\s	一个空白字符
		\S	一个非空白字符
[[:upper:]]			一个大写字母
[[:xdigit:]]			一个十六进制数字
	[[:w:]]	\w	一个字母、数字或者下划线
		\W	非字母、数字或下划线

使用正则表达式主要用来查找和替换string中的字符。使用正则表达式可以完成以下工作：

Match : 用输入来对比某个正则表达式

Search : 查找与patter匹配的正则表达式

Tokenize : 将语法切分，取得词汇单元

Replace : 替换第一个或者所有与pattern匹配的。

现在就看看正则表达式匹配和查找接口。

实例代码如下：

#include <iostream>
#include <string>
#include <regex>
#include <functional>
using namespace std;
int main(int argc,char **argv) {
    std::function<void(bool)> out = [](bool b){cout << (b? "found" : "not found") << endl;};
    //match
    string text = "<tag>value</tag>";
    regex reg("<.*>.*</.*>");
    bool found = regex_match(text,reg);
    out(found);
    //match
    regex reg1("<(.*)>.*</\\1>");
    found =  regex_match(text,reg1);
    out(found);

    //use grep
    regex reg2(R"(<\(.*\)>.*</\1>)",regex_constants::grep);
    found = regex_match(text,reg2);
    out(found);
    //use c-style
    found = regex_match("<tag>value</tag>",regex("<(.*)>.*</\\1>"));
    out(found);

    // fail to match but can search
    text = "XML tag: <tag>value</tag>";
    found = regex_match(text,regex("<(.*)>.*</\\1>"));
    out(found);

    found = regex_match(text,regex(".*<(.*)>.*</\\1>.*"));
    out(found);

    found = regex_search(text,regex("<(.*)>.*</\\1>"));
    out(found);

    found = regex_search(text,regex(".*<(.*)>.*</\\1>.*"));
    out(found);
    return 0;
}