Boost库学习（7）regex

说到文本处理，无论你是使用sed，awk还是写一段什么语言的程序，最终的法宝总会是正则表达式。Boost默认使用Perl的正则表达式形式，个人觉得Perl的正则是最强大的。

正则表达式

• 定位类（不消耗文本）
  ^ 起始位置
  $ 结束位置
  < 单词起始
  > 单词结束
  \b 单词边界（包括起始和结束）
  \B 非单词边界
  (?=pattern) 前面满足pattern
  (?!pattern) 前面不满足pattern
  (?<=pattern) 后面满足pattern
  (?<!pattern) 后面不满足pattern
• 分组类
  (pattern) 分组，计算分组序号
  (?pattern) 分组，计算分组序号，并且可以用名字name来访问
  (?:pattern) 分组，不计算分组序号
  \N或\g{N} 代表与前面第N个分组的内容相同
  \g{name} 代表与前面name分组的内容相同
• 字符类
  . 单个任意字符
  [字符列表] 列表中的字符
  [^字符列表] 列表以外的字符
  字符1|字符2 字符1或者字符2
  \d或[[:digit:]] 数字
  \w或[[:word:]] 字母
  \s或[[:space:]] 空白
  \l或[[:lower:]] 小写
  \u或[[:upper:]] 大写
  \D或[[:digit:]] 非数字
  \W或[^[:word:]] 非字母
  \S或[^[:space:]] 非空白
  \L或[^[:lower:]] 非小字
  \U或[^[:upper:]] 非大字
• 次数类
  {m} 匹配m次
  * 匹配0次或多次，尽可能多
  + 匹配1次或多次，尽可能多
  {m,n} 匹配m次到n次，尽可能多
  {m,} 匹配m次或多次，尽可能多
  上面4个的后面加上?的话（如+?），就变成尽可能少
• 输出类
  $N或${N} 代表第N个分组的内容
  $+{name} 代表name分组的内容
  $&或$MATCH或${^MATCH} 代表整个匹配内容
  $`或$PREMATCH或${^PREMATCH} 代表匹配内容之前的内容
  $'或$POSTMATCH或${^POSTMATCH} 代表匹配内容之后的内容
  \l 下一个字符小写
  \u 下一个字符大写
  \L 之后的输出小写，直到\E
  \U 之后的输出大写，直到\E
  \E 结束\L或\U

regex函数

• boost::regex_match
  bool boost::regex_match(str[,match_result],pat[,flag]);
  bool boost::regex_match(begin,end[,match_result],pat[,flag]);
  pat必须匹配字符串的全部
  pat的申明方式：
  • boost::regex pat(regex-str[,flag]);
  • pat.assign(regex-str[,flag]);
    注意：regex-str中的”/“要用”//“，或者用C++11的新特性RawString（R"delim(…)delim”）
• boost::regex_search
  bool boost::regex_search(str[,match_result],pat[,flag]);
  bool boost::regex_search(begin,end[,match_result],pat[,flag]);
  与regex_match类似，只是pat可以只匹配字符串的一部分
• boost::regex_replace
  string boost::regex_replace(str,pat,out-format[,flag]);
• boost::regex_iterator
  boost::regex_iterator([begin,end,pat]);
  对应的类型为boost::match_results
  boost::match_results的常用成员：
  • size()
  • prefix()
  • suffix()
  • [n]
  • length(n)==[n].length()
  • position(n)==[n].first
• boost::regex_token_iterator
  boost::regex_token_iterator([begin,end,pat,submatch]);
  对应的类型为boost::sub_match（boost::match_results可以看作是boost::sub_match的数组）
  当submatch>=0时，regex_token_iterator(begin,end,pat,submatch)==regex_iterator(begin,end,pat)[submatch]
  当submatch==-1时，表示用pat作为分隔符来分割字符串
  boost::sub_match的常用成员：
  • length()
  • str()
  • first
  • second