C++：Regex正则表达式

http://blog.sina.com.cn/s/blog_ac9fdc0b0101oow9.html

不会用C++的Regex是硬伤，下面的内容参考《C++程序设计原理与实践》～～～

****************************************************************************************************
正则表达式语法
         正则表达式的特性分成很多种类，下面的内容是perl类型的Regex。
============================================================================================
特殊含义的字符
.    ：任意单个字符
[] ：字符集
{} ：计数
() ：子模式
\   ：下一个字符具有特殊含义
*   ：0个或多个
+   ：一个或多个
?   ：0个或一个
|   ：或
^   ：行的开始；否定
$   ：行的结束
===========================================================================================
字符集
\d ：一个十进制数字
\l ：一个小写字母
\s ：一个空白符（空格符，制表符等）
\u ：一个大写字母
\w ：一个字母（a～z或A～Z）或数字（0～9）或下划线（_）
\D ：除了\d之外的字符
\L ：除了\l之外的字符
\S ：除了\s之外的字符
\U ：除了\u之外的字符
\W ：除了\w之外的字符
===========================================================================================
重复
{n}   ：严格重复n次
{n,} ：重复n次或更多次
{n,m}：重复至少n次，至多m次
*       ：{0,}
+       ：{1,}
?       ：{0,1}
============================================== =============================================
子模式
       为了指定模式中的子模式，用括号将其括起来
（\d*:）?（\d+）：它表示字符串前半部分可以为空，若非空，则是任意长度的数字后接一个冒号，后半部分是一个或多个数字的序列。
===========================================================================================
可选项
       | 表示二选一的概念。
Subject：（FW：| Re：）：表示匹配Subject:Fw：或者是Subject:Re:
===========================================================================================
正则表达式错误
       当我们将一个模式富裕regex时，它会对模式进行检查，如果发现模式不合法或过于复杂，无法用于匹配时，它会抛出一个bad_expression异常。
===========================================================================================
下面是一个常用的套路，比较稳～～～

注意一点，编译的时候要指定链接：g++ -Wall -lboost_regex test.cpp -o chen
*****************************************************************************************************
正则表达式方法      
=====================================================================================================
（1） regex_match ： 确定一行字符串是否和指定的正则表达式完全匹配
-----------------------------------------------------------------------
// 检查模式是否匹配
   8 #include <boost/regex.hpp>
   9 #include <iostream>
  10 #include <string>
  11
  12 using namespace std;
  13 using namespace boost;
  14
  15 int main()
  16 {
  17         // "\w+\s*(\(\w+,\d+\)\s*)*"
  18         regex pattern("\\w+\\s*(\\(\\w+,\\d+\\)\\s*)*");
  19         cout << pattern << endl;
  20       
  21         string str_1 = "chen (chen,0) (huan,1) (jiang,2)";
  22         string str_2 = "chen(chen,0)(huan,1)(jiang,2)";
  23         string str_3 = "chen";
  24         string str_4 = "(chen,0)(huan,1)(jiang,2)";
  25         string str_5 = "chen (chen,0) (huan,1)(jiang,2) chen";
  26       
  27         vector<string> strings;
  28         strings.push_back(str_1); strings.push_back(str_2);
  29         strings.push_back(str_3); strings.push_back(str_4);
  30         strings.push_back(str_5);
  31       
  32         for(int n = 0 ; n < 5 ; ++n)
  33                 if(regex_match(strings[n], pattern))
  34                         cout << strings[n] << " is matched" << endl;
  35                       
  36         return 0;
  37 }   
结果为：
\w+\s*(\(\w+,\d+\)\s*)*
chen (chen,0) (huan,1) (jiang,2) is matched
chen(chen,0)(huan,1)(jiang,2) is matched
chen is matched
--------------------------------------------------------------------------
// regex_match不仅验证是否匹配，而且可以从中提取出正则表达式括号对应的子串
   8 #include <boost/regex.hpp>
   9 #include <iostream>
  10 #include <string>
  11
  12 using namespace std;
  13 using namespace boost;
  14
  15 int main()
  16 {
  17         // "\w+\s*(\(\w+,\d+\)\s*)*"
  18         regex pattern("\\w+\\s*((\\(\\w+,\\d+\\)\\s*)*)");
  19         cout << pattern << endl;
  20       
  21         string str_1 = "chen (chen,0) (huan,1) (jiang,2)";
  22       
  23         smatch mat;
  24         if(regex_match(str_1, mat, pattern))
  25                 for(smatch::iterator iter=mat.begin() ; iter!=mat.end() ; ++iter)
  26                         cout << *iter <<endl;
  27                       
  28         return 0;
  29 }   
结果为：
\w+\s*((\(\w+,\d+\)\s*)*)
chen (chen,0) (huan,1) (jiang,2)
(chen,0) (huan,1) (jiang,2)
(jiang,2)
注意，这个的regex表达式和上面的不同，将后面的子串(\(\w+,\d+\)\s*)*通过括号合并成一个完整的子串。
=====================================================================================================
（2） regex_search：regex_match是验证是否完全匹配，而regex_search是从一大串string中找出匹配的一小段字符串
---------------------------------------------------------------
  15 int main()
  16 {
  17         regex pattern("\\d+");                                                     
  18         cout << pattern << endl;
  19       
  20         string str_1 = "chen1234huan12345jiang12 34567";
  21       
  22         smatch mat;
  23         if(regex_search(str_1, mat, pattern))
  24                 for(smatch::iterator iter=mat.begin() ; iter!=mat.end() ; ++iter)
  25                         cout << *iter <<endl;
  26                       
  27         return 0;
  28 }   
结果为：
1234
可以看出，regex_search是匹配到字符串中第一个符合条件的模式便会返回。
-------------------------------------------------------------
       下面的方法可以将字符串中所有匹配到的模式，全部提取出来，如下：
  15 int main()
  16 {
  17         regex pattern("\\d+");                                                     
  18         cout << pattern << endl;
  19       
  20         string str_1 = "chen1234huan12345jiang12 34567";
  21         string::const_iterator start = str_1.begin();
  22         string::const_iterator end = str_1.end();
  23       
  24         smatch mat;
  25         while(regex_search(start, end, mat, pattern))
  26         {   
  27                 string msg(mat[0].first, mat[0].second);
  28                 cout << msg << endl;
  29                 start = mat[0].second;
  30         }   
  31       
  32         return 0;
  33 }   
结果是：
\d+
1234
12345
1234567
****************************************************************************************************
（3） 关于regex：：smatch类型
       smatch类型，前缀s表示"子匹配"的概念。一个smatch本质上是一个子匹配的向量。第一个元素是完整匹配。如果i < smatch.size()，我们将smatch[i]当做一个字符串。对于一个正则表达式，如果最后N个子模式，则smatch.size() = N+1(因为有一个完整的匹配)。
       模式中任何放在括号中的内容都可以作为一个子模式，可以看下面这个例子：

Expression: (ftp|http|https):\/\/((\w+\.)*(\w*))\/([\w\d]+\/{0,1})+ 
String: http://www.foo.com/bar 
matches[0] = http://www.foo.com/bar 
matches[1] = http 
matches[2] = www.foo.com 
matches[3] = foo. 
matches[4] = com 
matches[5] = bar