boost::regex学习

本文分成以下部分进行介绍： 一：编译 二：学习正则表达式 三：简单的例子 四：regex_match例子代码学习 五：regex_search学习 六：关于重复的贪婪 七：regex_replace学习

一：编译
boost的正则表达式需要编译（如果不需要全部Boost的功能的话，请不要build all boost，那会花掉好几个小时。我推荐仅仅build需要的库就好。）
原有的boost 1.33似乎使用vc8编译的时候有问题。下载boost 1.34.1，使用“Visual Studio 2005 Command Prompt”，进入到boost_1_34_1/libs/regex/build：
nmake vc8.mak
OK，生成的文件在vc80下。

二：学习正则表达式
deelx_zh.rar
不错的正则表达式的学习资料，顺便推荐一下：
http://www.regexlab.com/
这个站长还与我有个一信之缘（我写的P2P之UDP穿透NAT的原理与实现（附源代码））。站长的这个正则库在CodeProject获得了不错的评价。

三：简单的例子
    std::string regstr = "a+";
    boost::regex expression(regstr);
    std::string testString = "aaa";

    // 匹配至少一个a
    if( boost::regex_match(testString, expression) )
    {
        std::cout<< "Match" << std::endl;
    }
    else
    {
        std::cout<< "Not Match" << std::endl;
    }

四：regex_match例子代码学习
1 我们经常会看一个字符串是不是合法的IP地址，合法的IP地址需要符合以下这个特征：
  xxx.xxx.xxx.xxx 其中xxx是不超过255的整数
正则表达式找到上面的这种形式的字符串相当容易，只是判断xxx是否超过255就比较困难了（因为正则表达式是处理的文本，而非数字）
OK，我们先来处理一个数字，即：xxx。找到一种表达式来处理这个数字，并且保证这个数字不会超过255
第一种情况：x，即只有一个数字，它可以是0～9 ，用/d 表示
第二种情况：xx，即有两个数字，它可以是00～99，用/d/d 表示
第三种情况：xxx，这种情况分为两种，一种是 1xx，可以用 1/d/d 表示
                                   另外一种是 2xx，这又分为两种 2[1234]/d
                                                             和 25[12345]
好了组合起来
1?/d{1,2}|2[1234]/d|25[12345]
既可以标识一个不大于255的数字字符串

嗯，我们现在需要重复这种情况既可：
(1?/d{1,2}|2[1234]/d|25[12345])/.(1?/d{1,2}|2[1234]/d|25[12345])/.(1?/d{1,2}|2[1234]/d|25[12345])/.(1?/d{1,2}|2[1234]/d|25[12345])

呵呵，长是长了点，我试图用boost支持的子表达式缩短，但是没有达到效果，请各位了解boost的正则表达式的达人指点：
(1?/d{1,2}|2[1234]/d|25[12345])/./1$/./1$/./1$
(参看反向索引： http://www.boost.org/libs/regex/doc/syntax_perl.html
似乎反向只能匹配与第一个字符完全一样的字符串，与我们的需求不同)

Example：

std:: string  regstr  =   " (1?//d{1,2}|2[1234]//d|25[12345])//. (1?//d{1,2}|2[1234]//d|25[12345])//. (1?//d{1,2}|2[1234]//d|25[12345])//. (1?//d{1,2}|2[1234]//d|25[12345]) " ;
boost::regex expression(regstr);
std:: string  testString  =   " 192.168.4.1 " ;
if ( boost::regex_match(testString, expression) )
{
    std::cout <<   " This is ip address "   <<  std::endl;
}
else
{
    std::cout <<   " This is not ip address "   <<  std::endl;
}

2 我们来看看 regex_match的另外一个函数原型
template
    bool regex_match(const basic_string& s,
    match_results::const_iterator, Allocator>& m,
    const basic_regex & e, match_flag_type flags = match_default);

template 
bool regex_match(BidirectionalIterator first, BidirectionalIterator last,
& m,
                 const  & e,
 flags = match_default);

 
注意参数m，如果这个函数返回false的话，m无定义。如果返回true的话，m的定义如下

Element	Value
m.size()	e.mark_count()
m.empty()	false
m.prefix().first	first
m.prefix().last	first
m.prefix().matched	false
m.suffix().first	last
m.suffix().last	last
m.suffix().matched	false
m[0].first	first
m[0].second	last
m[0].matched	true if a full match was found, and false if it was a partial match (found as a result of the match_partial flag being set).
m[n].first	For all integers n < m.size(), the start of the sequence that matched sub-expression n. Alternatively, if sub-expression n did not participate in the match, then last.
m[n].second	For all integers n < m.size(), the end of the sequence that matched sub-expression n. Alternatively, if sub-expression n did not participate in the match, then last.
m[n].matched	For all integers n < m.size(), true if sub-expression n participated in the match, false otherwise.

Example:

std:: string  regstr  =   " (1?//d{1,2}|2[1234]//d|25[12345])//.(1?//d{1,2}|2[1234]//d|25[12345])//.(1?//d{1,2}|2[1234]//d|25[12345])//.(1?//d{1,2}|2[1234]//d|25[12345]) " ;
boost::regex expression(regstr);
std:: string  testString  =   " 192.168.4.1 " ;
boost::smatch what;
if ( boost::regex_match(testString, what, expression) )
{
    std::cout <<   " This is ip address "   <<  std::endl;
     for ( int  i  =   1 ;i  <=   4 ;i ++ )
    {
        std:: string  msg(what[i].first, what[i].second);
        std::cout <<  i  <<   " ： "   <<  msg.c_str()  <<  std::endl;
    }
}
else
{
    std::cout <<   " This is not ip address "   <<  std::endl;
}

这个例子会把所有的IP的单个数字答应出来：
This is ip address
1：192
2：168
3：4
4：1

 五：regex_search学习
regex_search与regex_match基本相同，只不过regex_search不要求全部匹配，即部份匹配（查找）即可。
简单例子：

std:: string  regstr  =   " (//d+) " ;
boost::regex expression(regstr);
std:: string  testString  =   " 192.168.4.1 " ;
boost::smatch what;
if ( boost::regex_search(testString, expression) )
{
    std::cout <<   " Have digit "   <<  std::endl; 
}

上面这个例子检测给出的字符串中是否包含数字。

好了，再来一个例子，用于打印出所有的数字

std:: string  regstr  =   " (//d+) " ;
boost::regex expression(regstr);
std:: string  testString  =   " 192.168.4.1 " ;
boost::smatch what;
std:: string ::const_iterator start  =  testString.begin();
std:: string ::const_iterator end  =  testString.end();
while ( boost::regex_search(start, end, what, expression) )
{
    std::cout <<   " Have digit： "  ; 
    std:: string  msg(what[ 1 ].first, what[ 1 ].second);
    std::cout <<  msg.c_str()  <<  std::endl;
    start  =  what[ 0 ].second;
}

打印出：
Have digit：192
Have digit：168
Have digit：4
Have digit：1

六：关于重复的贪婪
我们先来一个例子：

std:: string  regstr  =   " (.*)(age)(.*)(//d{2}) " ;
boost::regex expression(regstr);
std:: string  testString  =   " My age is 28 His age is 27 " ;
boost::smatch what;
std:: string ::const_iterator start  =  testString.begin();
std:: string ::const_iterator end  =  testString.end();
while ( boost::regex_search(start, end, what, expression) )
{

    std:: string  name(what[ 1 ].first, what[ 1 ].second);
    std:: string  age(what[ 4 ].first, what[ 4 ].second);
    std::cout <<   " Name: "   <<  name.c_str()  <<  std::endl;
    std::cout <<   " Age: "   << age.c_str()  <<  std::endl;
    start  =  what[ 0 ].second;
}

我们希望得到的是打印人名，然后打印年龄。但是效果令我们大失所望：
Name:My age is 28 His
Age:27

嗯，查找原因：这是由于"+"号或者"*"号等重复符号带来的副作用，这些符号会消耗尽可能多的输入，使之是“贪婪”的。即正则表达式(.*)会匹配最长的串，而不是匹配最短的成功串。
如何使得这些重复的符号不再“贪婪”，我们在重复符号后加上"?"即可。

std:: string  regstr  =   " (.*?)(age)(.*?)(//d{2}) " ;
boost::regex expression(regstr);
std:: string  testString  =   " My age is 28 His age is 27 " ;
boost::smatch what;
std:: string ::const_iterator start  =  testString.begin();
std:: string ::const_iterator end  =  testString.end();
while ( boost::regex_search(start, end, what, expression) )
{

    std:: string  name(what[ 1 ].first, what[ 1 ].second);
    std:: string  age(what[ 4 ].first, what[ 4 ].second);
    std::cout <<   " Name: "   <<  name.c_str()  <<  std::endl;
    std::cout <<   " Age: "   << age.c_str()  <<  std::endl;
    start  =  what[ 0 ].second;
}

打印输出：
Name:My
Age:28
Name: His
Age:27

七： regex_replace 学习
写了个去除左侧无效字符（空格，回车，TAB）的正则表达式。

std:: string  testString  =   "     /r/n Hello        World  !  GoodBye  World/r/n " ;
std:: string  TrimLeft  =   " ([//s//r//n//t]*)(//w*.*) " ;
boost::regex expression(TrimLeft);
testString  =  boost::regex_replace( testString, expression,  " $2 "  );
std::cout <<   " TrimLeft: "   <<  testString  << std::endl;

打印输出：
TrimLeft:Hello          World  !  GoodBye  World

问题是去除右侧无效字符的正则表达式该怎么写？哪位大侠显个灵，帮助写写看，多谢了。

原文链接： http://www.cnblogs.com/shootingstars/archive/2007/07/30/837522.html