C++ 11正则表达式

引言

在C++11之前，C++标准库中并没有内置的正则表达式支持，程序员往往需要依赖第三方库如Boost.Regex等。随着C++11标准的发布，正则表达式终于被纳入标准库，使文本处理变得更加高效和简洁。

正则表达式(Regular Expression，简称regex)是一种用于描述字符串模式的强大工具，可以用于搜索、匹配和替换文本。C++11中的正则表达式功能位于<regex>头文件中，提供了与其他主流编程语言类似的正则表达式支持。

正则表达式基础

包含头文件

要在C++11中使用正则表达式功能，首先需要包含相应的头文件：

#include <regex>
#include <string>
#include <iostream>

C++ 11正则表达式的核心类

C++11正则表达式库主要包含以下几个核心类：

std::regex：表示一个正则表达式
std::smatch：存储匹配结果的容器
std::regex_match：检查整个字符串是否匹配正则表达式
std::regex_search：搜索字符串中的匹配内容
std::regex_replace：替换匹配的内容

基本用法示例

匹配整个字符串

regex_match函数用于检查整个字符串是否符合指定的模式：

#include <iostream>
#include <string>
#include <regex>

int main() {
    std::string email = "[email protected]";
    std::regex pattern("([a-zA-Z0-9._%+-]+)@([a-zA-Z0-9.-]+)\\.([a-zA-Z]{2,})");
    
    if (std::regex_match(email, pattern)) {
        std::cout << "有效的邮箱地址!" << std::endl;
    } else {
        std::cout << "无效的邮箱地址!" << std::endl;
    }
    
    return 0;
}

输出：

有效的邮箱地址!

搜索字符串中的匹配

regex_search函数用于在字符串中搜索匹配的部分：

#include <iostream>
#include <string>
#include <regex>

int main() {
    std::string text = "我的电话号码是123-456-7890，办公室电话是098-765-4321";
    std::regex pattern("(\\d{3})-(\\d{3})-(\\d{4})");
    std::smatch matches;
    
    std::string::const_iterator searchStart(text.cbegin());
    while (std::regex_search(searchStart, text.cend(), matches, pattern)) {
        std::cout << "找到电话号码: " << matches[0] << std::endl;
        std::cout << "  区号: " << matches[1] << std::endl;
        std::cout << "  前缀: " << matches[2] << std::endl;
        std::cout << "  后缀: " << matches[3] << std::endl;
        searchStart = matches.suffix().first;
    }
    
    return 0;
}

输出：

找到电话号码: 123-456-7890
  区号: 123
  前缀: 456
  后缀: 7890
找到电话号码: 098-765-4321
  区号: 098
  前缀: 765
  后缀: 4321

替换匹配的内容

regex_replace函数可以用新内容替换匹配的部分：

#include <iostream>
#include <string>
#include <regex>

int main() {
    std::string text = "用户名: admin, 邮箱: [email protected]";
    std::regex pattern("([a-zA-Z0-9._%+-]+)@([a-zA-Z0-9.-]+)\\.([a-zA-Z]{2,})");
    
    // 用"[邮箱已隐藏]"替换邮箱地址
    std::string result = std::regex_replace(text, pattern, "[邮箱已隐藏]");
    std::cout << "原文: " << text << std::endl;
    std::cout << "替换后: " << result << std::endl;
    
    return 0;
}

输出：

原文: 用户名: admin, 邮箱: [email protected]
替换后: 用户名: admin, 邮箱: [邮箱已隐藏]

正则表达式语法

C++11的正则表达式库支持多种语法风格，可以通过正则表达式标志来指定：

std::regex pattern("pattern", std::regex_constants::ECMAScript); // 默认
// 其它选项：basic, extended, awk, grep, egrep

以下是常用的正则表达式元字符：

元字符	描述
`.`	匹配任意单个字符（除了换行符）
`^`	匹配字符串的开头
`$`	匹配字符串的结尾
`*`	匹配前面的子表达式零次或多次
`+`	匹配前面的子表达式一次或多次
`?`	匹配前面的子表达式零次或一次
`{n}`	匹配前面的子表达式恰好n次
`{n,}`	匹配前面的子表达式至少n次
`{n,m}`	匹配前面的子表达式至少n次，最多m次
`[abc]`	匹配方括号内的任意一个字符
`[^abc]`	匹配除了方括号内字符的任意一个字符
`\d`	匹配一个数字字符，等价于[0-9]
`\D`	匹配一个非数字字符，等价于[^0-9]
`\w`	匹配一个字母、数字或下划线，等价于[a-zA-Z0-9_]
`\W`	匹配一个非字母、数字或下划线的字符
`\s`	匹配一个空白字符
`\S`	匹配一个非空白字符

提示

在C++字符串字面量中，反斜杠\是一个转义字符，需要使用两个反斜杠\\来表示正则表达式中的一个反斜杠。例如，要匹配数字，需要使用\\d而不是\d。

高级用法

捕获组

圆括号()用于创建捕获组，可以在后续引用：

#include <iostream>
#include <string>
#include <regex>

int main() {
    std::string html = "<div>标题</div><p>段落内容</p>";
    std::regex pattern("<([a-z]+)>(.*?)</\\1>");
    
    std::smatch matches;
    std::string::const_iterator searchStart(html.cbegin());
    
    while (std::regex_search(searchStart, html.cend(), matches, pattern)) {
        std::cout << "完整匹配: " << matches[0] << std::endl;
        std::cout << "标签名: " << matches[1] << std::endl;
        std::cout << "内容: " << matches[2] << std::endl;
        std::cout << "------------------------" << std::endl;
        searchStart = matches.suffix().first;
    }
    
    return 0;
}

输出：

完整匹配: <div>标题</div>
标签名: div
内容: 标题
------------------------
完整匹配: <p>段落内容</p>
标签名: p
内容: 段落内容
------------------------

非捕获组

有时我们需要一个分组但不想捕获它的内容，可以使用非捕获组(?:...)：

std::regex pattern("(?:https?|ftp)://([^/\\s]+)");

这个模式会匹配URL的协议和主机名，但只捕获主机名部分。

先行断言与后行断言

C++11正则表达式支持先行断言和后行断言：

正向先行断言：(?=...)
负向先行断言：(?!...)
正向后行断言：(?<=...)（某些实现可能不支持）
负向后行断言：(?<!...)（某些实现可能不支持）

#include <iostream>
#include <string>
#include <regex>

int main() {
    std::string passwords[] = {
        "password123", "Pass123word", "123Password", "Pass123"
    };
    
    // 密码必须包含至少一个数字，使用先行断言
    std::regex pattern("^(?=.*\\d).{6,}$");
    
    for (const auto& password : passwords) {
        if (std::regex_match(password, pattern)) {
            std::cout << password << " - 有效密码" << std::endl;
        } else {
            std::cout << password << " - 无效密码" << std::endl;
        }
    }
    
    return 0;
}

警告

需要注意的是，C++11的正则表达式在某些编译器（特别是早期版本）上可能对先行断言和后行断言的支持有限。

实际应用场景

验证用户输入

正则表达式可以用于验证用户输入的格式，例如邮箱地址、电话号码等：

#include <iostream>
#include <string>
#include <regex>

bool validateEmail(const std::string& email) {
    std::regex pattern("([a-zA-Z0-9._%+-]+)@([a-zA-Z0-9.-]+)\\.([a-zA-Z]{2,})");
    return std::regex_match(email, pattern);
}

bool validatePhone(const std::string& phone) {
    std::regex pattern("\\d{3}-\\d{3}-\\d{4}");
    return std::regex_match(phone, pattern);
}

int main() {
    std::string email, phone;
    
    std::cout << "请输入邮箱地址: ";
    std::cin >> email;
    
    if (validateEmail(email)) {
        std::cout << "邮箱格式正确!" << std::endl;
    } else {
        std::cout << "邮箱格式不正确!" << std::endl;
    }
    
    std::cout << "请输入电话号码 (格式: 123-456-7890): ";
    std::cin >> phone;
    
    if (validatePhone(phone)) {
        std::cout << "电话号码格式正确!" << std::endl;
    } else {
        std::cout << "电话号码格式不正确!" << std::endl;
    }
    
    return 0;
}

解析和提取信息

正则表达式可以从文本中提取特定信息：

#include <iostream>
#include <string>
#include <regex>
#include <vector>

std::vector<std::string> extractURLs(const std::string& text) {
    std::regex urlRegex("https?://([\\w.-]+)(/[\\w./\\-~]*)?");
    std::vector<std::string> urls;
    
    auto words_begin = std::sregex_iterator(text.begin(), text.end(), urlRegex);
    auto words_end = std::sregex_iterator();
    
    for (std::sregex_iterator i = words_begin; i != words_end; ++i) {
        urls.push_back((*i).str());
    }
    
    return urls;
}

int main() {
    std::string text = "请访问我们的网站 https://www.example.com/products 或者 http://blog.example.org 获取更多信息";
    
    std::vector<std::string> urls = extractURLs(text);
    
    std::cout << "提取到的URL:" << std::endl;
    for (const auto& url : urls) {
        std::cout << "  " << url << std::endl;
    }
    
    return 0;
}

文本替换和格式化

正则表达式可以用于替换和格式化文本：

#include <iostream>
#include <string>
#include <regex>

std::string formatDate(const std::string& text) {
    // 将YYYY-MM-DD格式转换为MM/DD/YYYY格式
    std::regex dateRegex("(\\d{4})-(\\d{2})-(\\d{2})");
    return std::regex_replace(text, dateRegex, "$2/$3/$1");
}

int main() {
    std::string text = "会议将在2023-05-15举行，而截止日期是2023-06-30。";
    
    std::string formatted = formatDate(text);
    
    std::cout << "原文: " << text << std::endl;
    std::cout << "格式化后: " << formatted << std::endl;
    
    return 0;
}

输出：

原文: 会议将在2023-05-15举行，而截止日期是2023-06-30。
格式化后: 会议将在05/15/2023举行，而截止日期是06/30/2023。

效率和性能考虑

C++11正则表达式库虽然功能强大，但性能可能不如一些专门的正则表达式库，特别是在处理大量文本时。以下是一些使用时的性能考虑：

预编译正则表达式：如果需要重复使用某个正则表达式，应该预编译它而不是每次都创建新的对象。

// 优化前
for (const auto& line : lines) {
    std::regex pattern("\\d+"); // 每次循环都编译一次
    // 处理 line...
}

// 优化后
std::regex pattern("\\d+"); // 只编译一次
for (const auto& line : lines) {
    // 处理 line...
}

选择适当的迭代器：使用std::sregex_iterator可以一次性找到所有匹配，比反复调用regex_search更高效。

#include <iostream>
#include <string>
#include <regex>

int main() {
    std::string text = "12 apples, 34 bananas, 56 oranges";
    std::regex numberRegex("\\d+");
    
    // 使用正则表达式迭代器
    auto words_begin = std::sregex_iterator(text.begin(), text.end(), numberRegex);
    auto words_end = std::sregex_iterator();
    
    std::cout << "找到 " << std::distance(words_begin, words_end) << " 个数字:" << std::endl;
    
    for (std::sregex_iterator i = words_begin; i != words_end; ++i) {
        std::smatch match = *i;
        std::cout << match.str() << std::endl;
    }
    
    return 0;
}

避免过于复杂的正则表达式：特别是包含大量回溯的正则表达式可能会导致性能问题。

总结

C++11的正则表达式库为C++开发者提供了一个强大的文本处理工具。通过<regex>头文件，您可以执行字符串匹配、搜索和替换操作，极大地简化了文本处理任务。

本文介绍了：

C++11正则表达式库的基本使用方法
正则表达式的核心语法和元字符
捕获组、非捕获组和断言等高级功能
实际应用场景和示例
性能优化技巧

虽然C++11的正则表达式库在功能上与其他语言的实现相似，但初学者需要注意它有时可能存在性能和兼容性问题，特别是在某些旧编译器上。

练习

编写一个程序，验证输入的字符串是否为有效的IP地址（IPv4）。
使用正则表达式从文本中提取所有的日期（支持多种常见格式，如YYYY-MM-DD、MM/DD/YYYY等）。
编写一个简单的HTML解析器，使用正则表达式提取所有的<a>标签及其href属性。
创建一个密码强度检查器，使用正则表达式验证密码是否包含至少一个大写字母、一个小写字母、一个数字和一个特殊字符。
编写一个程序，用正则表达式替换文本中的markdown链接格式[文本](URL)为HTML链接格式<a href="URL">文本</a>。

附加资源

C++参考文档 - regex
正则表达式101 - 在线测试和调试正则表达式的工具
书籍：《Mastering Regular Expressions》by Jeffrey Friedl - 深入理解正则表达式的权威资源

通过掌握C++11的正则表达式，您将能够更高效地处理各种文本处理任务，大大提高开发效率。随着练习的增加，您会发现正则表达式是处理复杂文本模式的强大工具。

引言​

正则表达式基础​

包含头文件​

C++ 11正则表达式的核心类​

基本用法示例​

匹配整个字符串​

搜索字符串中的匹配​

替换匹配的内容​

正则表达式语法​

高级用法​

捕获组​

非捕获组​

先行断言与后行断言​

实际应用场景​

验证用户输入​

解析和提取信息​

文本替换和格式化​

效率和性能考虑​

总结​

练习​

附加资源​

引言