正則表達式模式匹配字符串基礎(chǔ)知識

 介紹

      在實際項目中有個功能的實現(xiàn)需要解析一些特定模式的字符串。而在已有的代碼庫中，在已實現(xiàn)的部分功能中，都是使用檢測特定的字符，使用這種方法的缺點是：

• 邏輯上很容易出錯
• 很容易漏掉對一些邊界條件的檢查
• 代碼復(fù)雜難以理解、維護
• 性能差

      看到代碼庫中有一個cpp，整個cpp兩千多行代碼，有個方法里，光解析字符串的就有400余行！一個個字符對比過去，真是不堪入目。而且上面很多注釋都已經(jīng)過期，很多代碼的書寫風格也各不相同，基本可以判斷是過了很多人手的。

      在這種情況下，基本沒辦法還沿著這條老路走下去，自然而然就想到了使用正則表達式。而我自己在正則表達式方面沒有實際應(yīng)用的經(jīng)驗，尤其是對于書寫匹配規(guī)則也是一知半解。第一時間就想到從網(wǎng)上找點資料，先大致了解下。但是度娘的結(jié)果依舊還是讓人很失望。（當然，如果是想要查找一些比較專業(yè)的知識，度娘的結(jié)果每次都會讓人心碎，無不都是千篇一律的拷貝。但是通常度娘生活方面的還是可以）后來就放棄度娘的查詢結(jié)果，F(xiàn)Q到了外面去找，也找到了一些比較基礎(chǔ)的視頻（需FQ）。

      這篇文章可以說是一個總結(jié)，把在書寫正則表達式的匹配字符串方面的基礎(chǔ)知識介紹一下。主要分為以下兩個個部分：

1. 匹配字符串的基本規(guī)則
2. 正則匹配、查找與替代

本文介紹的正則表達式規(guī)則是ECMAScript。使用的編程語言是C++。其他方面的不做介紹。

匹配字符串的基本規(guī)則

1. 匹配固定的字符串

regex e("abc");

2. 匹配固定字符串，不區(qū)分大小寫

regex e("abc", regex_constants::icase);

3. 匹配固定字符串之外多一個字符，不區(qū)分大小寫

regex e("abc.", regex_constants::icase);  // .  Any character except newline. 1個字符

4. 匹配0個或1個字符

regex e("abc?");    // ?  Zero or 1 preceding character. 匹配?前一個字符

5. 匹配0個或多個字符

regex e("abc*");    // *  Zero or more preceding character. 匹配*前一個字符

6. 匹配1個或多個字符

regex e("abc+");    // +  One or more preceding character. 匹配+前一個字符

7. 匹配特定字符串中的字符

regex e("ab[cd]*");    // [...] Any character inside square brackets. 匹配[]內(nèi)的任意字符

8. 匹配非特定字符串的字符

regex e("ab[^cd]*");    // [...] Any character not inside square brackets. 匹配非[]內(nèi)的任意字符

9. 匹配特定字符串，且指定數(shù)量

regex e("ab[cd]{3}");    // {n}  匹配{}之前任意字符，且字符個數(shù)為3個

10. 匹配特定字符串，指定數(shù)量范圍

regex e("ab[cd]{3,}");  // {n} 匹配{}之前任意字符，且字符個數(shù)為3個或3個以上
regex e("ab[cd]{3,5}");  // {n} 匹配{}之前任意字符，且字符個數(shù)為3個以上，5個以下閉區(qū)間

11. 匹配規(guī)則中的某一個規(guī)則

regex e("abc|de[fg]");    // |  匹配|兩邊的任意一個規(guī)則

12. 匹配分組

regex e("(abc)de+");    // ()       ()表示一個子分組

13. 匹配子分組

regex e("(abc)de+\\1");  // ()    ()表示一個子分組，而\1表示在此位置匹配第一個分組的內(nèi)容
regex e("(abc)c(de+)\\2\\1");  // \2 表示的是在此匹配第二個分組的內(nèi)容

14. 匹配某個字符串開頭

regex e("^abc."); 
// ^ begin of the string 查找以abc開頭的子字符串

15. 匹配某個字符串結(jié)尾

regex e("abc.$");
// $ end of the string 查找以abc結(jié)尾的子字符串

      以上是最基本的匹配模式的書寫。通常如果要匹配特定的字符，需要使用\進行轉(zhuǎn)義，比如在匹配字符串中需要匹配"."，那么在匹配字符串中應(yīng)該在特定字符前加上\。出了以上的基本規(guī)則，如果還不滿足特定的需要，那么可以參考此鏈接。使用了解基本的匹配模式后，需要使用正則表達式進行匹配、查找或者替代。

正則匹配、查找與替代

      書寫好模式字符串后，需要將待匹配的字符串和模式字符串進行一定規(guī)則的匹配。包括三種方式：匹配（regex_match）、查找（regex_search）、替換（regex_replace）。

      匹配很簡單，直接將待匹配字符串和模式字符串傳入到regex_match中，返回一個bool量來指明待匹配的字符串是否滿足模式字符串的規(guī)則。匹配整個str字符串。

bool match = regex_match(str, e);
// 匹配整個字符串str

      查找是在整個字符串中找到和滿足模式字符串的子字符串。也就是只要str中存在滿足模式字符串就會返回true。

bool match = regex_search(str, e);
// 查找字符串str中匹配e規(guī)則的子字符串

      但是很多情況下，光是返回一個是否匹配的bool量是不夠的，我們需要拿到匹配的子字符串。那么就需要在模式字符串中將匹配字符串分組，參考【匹配字符串的基本規(guī)則】第12點。再將smatch傳入到regex_search中，就可以獲得滿足每個子分組的字符串。

smatch m;
bool found = regex_search(str, m, e);
for (int n = 0; n  m.size(); ++n)
  {
    cout  "m["  n  "].str()="  m[n].str()  endl;
  }

    替換也是基于模式字符串在分組情況下完成的。

cout  regex_replace(str, e, "$1 is on $2");

      此時，會在滿足分組1和分組2的字符串中間加上“ is on”。

      以上三個函數(shù)有很多版本的重載，可以滿足不同情況下的需求。

實戰(zhàn)

      要求：找出滿足sectionA("sectionB")或者sectionA ("sectionB")的模式字符串。且分離出sectionA、sectionB。sectionA和sectionB不會出現(xiàn)數(shù)字，字符可大小寫，至少有一個字符。

      分析：根據(jù)要求，大致可分為兩個部分，也就是sectionA和sectionaB。這是就需要用到分組。

第一步：寫出滿足section情況的模式字符串

[a-zA-Z]+

第二步：在sectionA和sectionB中可能會出現(xiàn)空格。暫且假設(shè)至多有1個空格

\\s?

將以上兩個情況組合起來，也就是能滿足我們需求的模式字符串。但是如何組織才能讓其分為兩組呢？

[a-zA-Z]+\\s[a-zA-Z]+

上面這種寫法肯定不對的，根據(jù)分組規(guī)則，需要將分組以()進行區(qū)分

regex e("([a-zA-Z]+)\\s?\\(\"([a-zA-Z]+)\"\\)");

      此時，在\\s?后面的\\(\"是為了滿足sectionB外層的引號和括號進行的轉(zhuǎn)義。

      以上完成后，可先用regex_match進行匹配，如果匹配，那么繼續(xù)使用regex_search對字符串進行查找

if (regex_match(str, e))
{
 smatch m;
 auto found = regex_search(str, m, e);
 for (int n = 0; n  m.size(); ++n)
 {
 cout  "m["  n  "].str()="  m[n].str()  endl;
 }
}
else
{
 cout  "Not matched"  endl;
}

      對象m數(shù)組的第一個字符串是滿足需求的整個子串，接下來才是滿足分組1、分組2的子串。

總結(jié)

以上所述是小編給大家介紹的正則表達式模式匹配字符串基礎(chǔ)知識，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！