|
|
Posted on 2011-05-04 19:15 點點滴滴 閱讀(16566) 評論(0) 編輯 收藏 引用 所屬分類: 02 編程語言
注意使用Boost.Regex需要預先編譯
完整編譯請參考本站編譯Boost的文章
如果只要編譯Regex庫，有兩種方法(參考鏈接):
- 在Boost根目錄下運行bjam --toolset=<編譯器名> --with-regex 其它參數
- 到<boost>\libs egex\build里，找到對應編譯器的makefile，然后make -f xxxx.mak
使用
Boost.Regex手里有七種武器和兩****寶
其中的七種武器是:
regex_match 函數
regex_search 函數
regex_replace 函數
regex_format 函數
regex_grep 函數
regex_split 函數
RegEx 類
每種武器都又有諸多變化（每個函數都分別以C字符串類型、std::string類型、迭代器類型作為參數重載）,不過后面四種武器因年久失修已不建議使用.
兩****寶是:
regex_iterator 迭代器
regex_token_iterator 迭代器
這兩****寶是整個Boost.Regex的靈魂，用熟它們以后那是“摘花飛葉即可傷人”啊~~
回到正題，下面邊寫邊學。
所需頭文件:
#include <boost/regex.hpp>
示例代碼:
先準備一個測試用的數據備用，如果各位有雅興可以參考本站的另一篇文章《Google Testing》使用Google Testing框架來做這個實驗，花一樣時間學兩樣啊~~
- #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
要確定一行字符串是否與指定的正則表達式匹配，使用regex_match。
下面這個代碼可以驗證szStr字串（定義在上面）是否與szReg匹配。
- {
- boost::regex reg( szReg );
- bool r=boost::regex_match( szStr , reg);
- assert(r);
- }
boost::regex的構造函數中還可以加入標記參數用于指定它的行為，如:
-
- boost::regex reg1( szReg, boost::regex::perl|boost::regex::icase );
-
- boost::regex reg2( szReg, boost::regex::extended );
下面這個代碼不僅驗證是否匹配，而且可以從中提取出正則表達式括號對應的子串。
- {
- 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是一個針對C字符串的特化版本，它還有另三位兄弟,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看成是一個sub_match的容器，同時它還提供了format方法來代替regex_format函數。
一個sub_match就是一個子串，它從std::pair<BidiIterator, BidiIterator>繼承而來，這個迭代器pair里的first和second分別指向了這個子串開始和結尾所在位置。同時，sub_match又提供了str()，length()方法來返回整個子串。
2.查找字符串
regex_match只驗證是否完全匹配，如果想從一大串字符串里找出匹配的一小段字符串（比如從網頁文件里找超鏈接），這時就要使用regex_search了。
下面這段代碼從szStr中找數字
- {
- boost::cmatch mat;
- boost::regex reg( "\\d+" );
- if(boost::regex_search(szStr, mat, reg))
- {
- cout << "searched:" << mat[0] << endl;
- }
- }
3.替換
regex_replace提供了簡便的方法來部分替換源字符串
正則表達式中，使用$1~$9（或\1~\9）表示第幾個子串,$&表示整個串，$`表示第一個串,$'表示最后未處理的串。
- {
- boost::regex reg( szReg );
- string s = boost::regex_replace( string(szStr), reg, "ftp://$2$5");
- cout << "ftp site:"<< s << endl;
- }
正則表達式中，使用(?1~?9新字串)表示把第幾個子串替換成新字串,其中是S1（）代表一個字串，S2的（?1）代表替換哪個字串，?0代表所有都要加上后面的字符串?1代表第一個替換成的字符串
- {
- 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
對應于C字符串和C++字符串以及寬字符，regex_iterator同樣也有四個特化:
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;
這個迭代器的value_type定義是一個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函數簡化regex_iterator的構造，如上面的itrBegin可以寫成:
itrBegin = make_regex_iterator(szStr,reg);
5.使用regex_token_iterator拆分字符串
它同樣也有四個特化，形式和上面類似，就不再寫一遍騙篇幅了。
這個迭代器的value_type定義是一個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函數簡化regex_token_iterator的構造，最后的那個參數-1表示以reg為分隔標志拆分字符串，如果不是-1則表示取第幾個子串，并且可以使用數組來表示同時要取幾個子串，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;
- }
- }
完整測試代碼:
- #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;
- }
|