C++正则表达式

关于正则表达式的由来及所有语法在这里不做介绍，大家可以参照下面网址中给出的例子。

http://www.jb51.net/tools/zhengze.html

这里将我程序中涉及到的内容，作为一个例子写出来：

首先，大家都知道正则表达式最核心的工作就是可以匹配文本，那么我们也就可以利用正则表达式来提出文件中的“脏数据”

待处理的数据如下：

146573.100000        31.6574165859        120.7748939130        12.4263735032        350.1498296816        0.5574414962        -0.0871731270        

573495.3524453273        3504188.5562077025

246573.100000        31.6574165859        120.7748939130        12.4263735032        350.1498296816        0.5574414962        -0.0871731270        

573495.3524453273        3504188.5562077025

346573.100000        31.6574165859        120.7748939130        12.4263735032        350.1498296816        0.5574414962        -0.0871731270        

573495.3524453273        3504188.5562077025

?8237.650000        31.6545634665        120.7780329667        11.3441768121        294.4719277869        1.7129763084        -3.3858530746        

573795.3412689130        3503874.2990623275

%48237.70000        31.6545642402        120.378031?03        11.3452082761        2?.4738409254        1.7228125240        -3.3825053331        

5?795.1721630698        3503874.3836538661

446573.100000        31.6574165859        120.7748939130        12.4263735032        350.1498296816        0.5574414962        -0.0871731270        

573495.3524453273        3504188.5562077025

546573.100000        31.6574165859        120.7748939130        12.4263735032        350.1498296816        0.5574414962        -0.0871731270        

573495.3524453273        3504188.5562077025

可以，看到我们数据中第四行、第五号产生了脏数据。为此我们就要利用正则表达式来过滤文本内容。

1、包含头文件

#include<regex>

2、定义正则表达式函数

bool is_xy_vaild(char * xy)
{
	regex pattern("(\.){99}(\\d{6})(\\.)(\\d{10})(\.)(\\d{7})(\\.)(\\d{10})(\\s{1,2})");
	return regex_match(xy,pattern);
}

关于(\.){99}(\\d{6})(\\.)(\\d{10})(\.)(\\d{7})(\\.)(\\d{10})(\\s{1,2})  正则表达式解释如下：

 （）代表正则表达式的一个个子表达式

第1个(\.)表示匹配除“\n”之外的任何单个字符

第2个(99)表示匹配99个任意单个字符

（由于待处理数据我们只关心最后两项X,Y，我们可以跳过前面99个字节的数据）

第3个(\\d{6})表示匹配6个任意数字

第4个(\\.)表示匹配“.”

第5个(\\d{10})表示匹配10个任意数字

至此我们就成功的完成了对原数据中第六列X坐标的匹配工作。

第6个(\.)表示匹配任意字符

……

(\\s{0,2})匹配任何空白字符，包括空格、制表符、换页符，{0,2},匹配0~2次

 

其实，在正则表达式的语法中，代码与说明的对照如下：

代码	说明
.	匹配除换行符以外的任意字符
\s	匹配任意的空白符
\d	匹配数字

 

C++代码于此的区别主要是由于“转义字符”所引起，转义字符“\”表示后面的的字符，都不是它本来的ASCII字符意思了。

(\.)表示的不是一个字符“.”而是对应的正则表达式中“匹配除换行符以外的任意字符”的含义。

\\则代表一个反斜线字符'\'（或理解为\\表示扔掉第二个\的转义特性），(\\d)就对应正则表达式中“匹配数字”的含义

3、主函数中的调用

int _tmain(int argc, _TCHAR* argv[])
{
	FILE *myFile=fopen("10.txt","rb");
	char buf[200];
	memset(buf,0,200);
	if(!myFile){
		cout<<"打开失败"<<endl;
		exit(1);
	}
	int errorCount=0;
	while(1){
		fgets(buf,200,myFile);
		if(is_email_vaild(buf)){
			cout<<"格式正确"<<endl;
		}
		else{
			cout<<"格式错误"<<endl;
			errorCount++;
		}
		memset(buf,0,200);
	}
	cout<<"出现错误的数据条数"<<errorCount<<endl;
	return 0;
}

输出结果：

注：最后匹配(\\s{0,2})的原因在于使用"r"，"rb"的方式打开文件时，buf中的字节数并不相等

在使用二进制方式打开文件时，遇到换行会解释为 "13"，"10"l两个字符，分别代表“换行”，“回车”

使用文本方式打开文件时，遇到换行则解释为"10"一个字符。

当遇到文档结尾时，没有换行以及回车字符匹配。