Cpp之旅（学习笔记）第10章 字符串和正则表达式
Cpp之旅（学习笔记）第10章 字符串和正则表达式
10.1 引言
- Cpp标准库提供了 string 类型，使用程序员不必在使用C风格的文本处理方式——通过指针来处理字符数组。
- Cpp标准库还提供了 string_view 类型，允许程序以容器方式访问字符序列（ std::string 或者 char[] ）。
- 还提供了正则表达式匹配功能以查找文本中的模式。
10.2 字符串
string 是用于管理不同字符类型字符序列的 regular 类型。string 类型提供了很多有用的字符串处理操作：
例如：连接操作
string compose(const string& name, const string& domain) {
return name + '@' + domain;
}
auto addr = compose("dmr", "bell-labs.com");
// 结果：[email protected]
函数 compose 中的字符串“加法”表示连接操作。
标准库 string 定义了一个移动构造函数，因此，即使是以传值方式而不是传引用方式返回一个很长的 string 也会很高效。
连接操作最常见的用法是在一个 string 的末尾追加一些内容。这可以直接通过 += 操作来实现。
void m2(string& s1, string& s2) {
s1 = s1 + '\n';
s2 += '\n';
}
除此之外，string 还支持下标操作（使用[]）和提取子串操作。
string name = "Niels Stroustrup";
void m3() {
string s = name.substr(6,10); // s = "Stroustrup"
name.replace(0,5,"nicholas"); // name 变成 "nicholas Stroustrup"
name[0] = toupper(name[0]); // name 变成 "Nicholas Stroustrup"
}
substr()操作返回 string ，保存其参数指定的子字符串的拷贝。
substr()参数：
- 第一个参数是指向 string 中某个位置的下标。
- 第二个参数是指出所需子串的长度。
replace()操作替换子串内容。在本例中，要替换的是从0开始、长度为5的子串，即Niels，它被替换为nicholas。最后将首字母变为大写。
注意：替换的内容和被替换的子串不必一样长。
如果你需要一个C风格的字符串（一个以0结尾的 char 数组），string 提供了对其包含的 C 风格字符串进行只读访问的接口
void print(const string& s) {
// s.c_str()返回一个指向s所拥有的字符的指针
printf("For people who like printf: %s\n",s.c_str());
cout << "For people who like streams: " << s << '\n';
}
根据定义，字符串字面量的类型是 const char *。
要想获得 std::string 类型的字面量可以加上 s 后缀。
要想使用s后缀，需要使用命名空间 `std::literals::string_literals。
例如：
auto cat = "Cat"s; // std::string类型
auto dog = "Dog"; // 一个C风格字符串：const char* 类型
10.3 字符串视图
字符串视图（string_view）本质上就是一个（指针，长度）对，表明了一个字符串序列。
string_view 类型可以作为一个范围定义，因此可以用它来遍历字符。
void print_lower(string_view sv1)
{
for(char ch : sv1)
cout << tolower(ch);
}
string_view 类型的显著限制就在于它是只读的。
例如，如果函数需要将参数内容修改为小写。就不能使用 string_view 来传递字符串。这种情况下，需要考虑使用 span
string_view bad(){
string s = "Once upon a time";
return {&s[5],4}; // 糟糕，返回了局部数据的指针
}
10.4 正则表达式
标准库定义了 std::regex 类及其支持的函数，提供对正则表达式的支持。
regex pat {R"(\w{2}\s*\d{5}(-\d{4})?)"}; // 美国邮政编码模式：XXddddd-dddd
// 以及其他变种
它指定了一个以两个字母开始的模式 \w{2}，后面是任意个空白符 \s*，在接下来是五个数字 \d{5}，然后是可选的一个破折号和四个数字 -\d{4}。
书中使用了原始字符串字面量，它以 R”( 开始，以 )“ 结束。
原始字符串字面量的好处是可以直接包含反斜线和引号而无需转义，因此非常适合表示正则表达式。
正则表达式常常包含大量反斜线，如果使用常规字符串，模式定义如下：
regex pat {"\\w{2}\\s*\\d{5}(-\\d{4})?"};
在
- regex_match()：将正则表达式与一个（已知长度的）字符串进行匹配。
- regex_search()：在一个（任意长的）数据流中搜索与正则表达式匹配的字符串。
- regex_replace()：在一个（任意长的）数据流中搜索与正则表达式匹配的字符串并将其替换。
- regex_iterator：遍历匹配结果和子匹配。
- regex_token_iterator：遍历未匹配部分。
10.5 正则表达式的符号表示
| 正则表达式的特殊字符 | 正则表达式的特殊字符 |
|---|---|
| . 任意单个字符（”通配符“） | \ 下一个字符有特殊意义 |
| [ 字符集开始 | * 零或多次重复（后缀操作符） |
| ] 字符集结束 | + 一次或多次重复（后缀操作符） |
| { 指定重复次数开始 | ? 可选零或一次（后缀操作符） |
| } 指定重复次数结束 | | 二选一（或） |
| ( 分组开始 | ^ 行开始；非 |
| ( 分组结束 | $ 行结束 |
10.6 建议
- 使用 std::string 来保护字符序列；
- 优先选择 string 操作而不是C风格的字符串函数；
- 使用 string 声明变量和成员，而不要将它作为基类；
- 返回 string 应采用传值方式（依赖移动语义和拷贝消除）；
- 直接或间接使用 substr() 读子字符串，使用 replace() 写子字符串；
- string 在需要的时候会自动扩展或收缩；
- 当需要范围检测时，应使用 at() 而不是迭代器或 []；
- 当需要优化性能时，应使用迭代器或 [] ，而不是 at()；
- 只有迫不得已时，才使用 c_str() 或 data() 获得 string 的 C 风格字符串表示；
- 使用 stringstream 或通过的值提取函数（如
to）将字符串转换为数值； - 可用 basic_string 构造任意类型字符组成的字符串；
- 字符串加上 s 后缀用来表示标准库 string；