|
Posted on 2011-05-04 19:15 点点滴滴 阅读(16501) 评论(0) 编辑 收藏 引用 所属分类: 02 编程语言
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):
- 在Boost根目录下运行bjam --toolset=<编译器名> --with-regex 其它参数
- 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****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~~
- #include <iostream>
- #include <boost/regex.hpp>
-
- using namespace std;
- int main(int argc, char* argv[])
- {
-
-
- const char *szReg = "(\\w+)://((\\w+\\.)*\\w+)((/\\w*)*)(/\\w+\\.\\w+)?";
- const char *szStr = "http://www.cppprog.com/2009/0112/48.html";
-
-
-
-
- cin.get();
- }
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。
- {
- boost::regex reg( szReg );
- bool r=boost::regex_match( szStr , reg);
- assert(r);
- }
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:
-
- boost::regex reg1( szReg, boost::regex::perl|boost::regex::icase );
-
- 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。
- {
- boost::cmatch mat;
- boost::regex reg( szStr );
- bool r=boost::regex_match( szStr, mat, reg);
- if(r)
- {
-
- for(boost::cmatch::iterator itr=mat.begin(); itr!=mat.end(); ++itr)
- {
-
- cout << itr->first-szStr << ' ' << itr->second-szStr << ' ' << *itr << endl;
- }
- }
-
- 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
- {
- boost::cmatch mat;
- boost::regex reg( "\\d+" );
- 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。
- {
- boost::regex reg( szReg );
- string s = boost::regex_replace( string(szStr), reg, "ftp://$2$5");
- cout << "ftp site:"<< s << endl;
- }
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,其中是S1()代表一个字串,S2的(?1)代表替换哪个字串,?0代表所有都要加上后面的字符串?1代表第一个替换成的字符串
- {
- string s1 = "(<)|(>)|(&)";
- string s2 = "(?1<)(?2>)(?3&)";
- 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;
- }
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。
- {
- boost::regex reg( "\\d+" );
- boost::cregex_iterator itrBegin(szStr, szStr+strlen(szStr), reg);
- boost::cregex_iterator itrEnd;
- for(boost::cregex_iterator itr=itrBegin; itr!=itrEnd; ++itr)
- {
-
- 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。
- {
- boost::regex reg("/");
- boost::cregex_token_iterator itrBegin(szStr, szStr+strlen(szStr), 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:
- {
- boost::regex reg("(.)/(.)");
- int subs[] = {1,2};
- boost::cregex_token_iterator itrBegin = make_regex_token_iterator(szStr,reg,subs);
- boost::cregex_token_iterator itrEnd;
- for(boost::cregex_token_iterator itr=itrBegin; itr!=itrEnd; ++itr)
- {
- cout << *itr << endl;
- }
- }
完整测试代码:
- #include <iostream>
- #include <boost/regex.hpp>
-
- using namespace std;
- int main(int argc, char* argv[])
- {
-
-
- const char *szReg = "(\\w+)://((\\w+\\.)*\\w+)((/\\w*)*)(/\\w+\\.\\w+)?";
- const char *szStr = "http://www.cppprog.com/2009/0112/48.html";
-
- {
- boost::regex reg( szReg );
- bool r=boost::regex_match( szStr , reg);
- assert(r);
- }
-
- {
- boost::cmatch mat;
- boost::regex reg( szReg );
- bool r=boost::regex_match( szStr, mat, reg);
- if(r)
- {
-
- for(boost::cmatch::iterator itr=mat.begin(); itr!=mat.end(); ++itr)
- {
-
- cout << itr->first-szStr << ' ' << itr->second-szStr << ' ' << *itr << endl;
- }
- }
-
- if(mat[4].matched) cout << "Path is" << mat[4] << endl;
- }
-
- {
- boost::cmatch mat;
- boost::regex reg( "\\d+" );
- if(boost::regex_search(szStr, mat, reg))
- {
- cout << "searched:" << mat[0] << endl;
- }
- }
-
- {
- boost::regex reg( szReg );
- string s = boost::regex_replace( string(szStr), reg, "ftp://$2$5");
- cout << "ftp site:"<< s << endl;
- }
- {
- string s1 = "(<)|(>)|(&)";
- string s2 = "(?1<)(?2>)(?3&)";
- 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;
- }
-
- {
- boost::regex reg( "\\d+" );
- boost::cregex_iterator itrBegin = make_regex_iterator(szStr,reg);
- boost::cregex_iterator itrEnd;
- for(boost::cregex_iterator itr=itrBegin; itr!=itrEnd; ++itr)
- {
-
- cout << (*itr)[0].first-szStr << ' ' << (*itr)[0].second-szStr << ' ' << *itr << endl;
- }
- }
-
- {
- boost::regex reg("/");
- boost::cregex_token_iterator itrBegin = make_regex_token_iterator(szStr,reg,-1);
- boost::cregex_token_iterator itrEnd;
- for(boost::cregex_token_iterator itr=itrBegin; itr!=itrEnd; ++itr)
- {
- cout << *itr << endl;
- }
- }
-
- {
- boost::regex reg("(.)/(.)");
- int subs[] = {1,2};
- boost::cregex_token_iterator itrBegin = make_regex_token_iterator(szStr,reg,subs);
- boost::cregex_token_iterator itrEnd;
- for(boost::cregex_token_iterator itr=itrBegin; itr!=itrEnd; ++itr)
- {
- cout << *itr << endl;
- }
- }
-
-
- cin.get();
- return 0;
- }
|