如何用Linux C++进行正则表达式匹配

在 Linux 环境下使用 C++ 进行正则表达式匹配，可以利用 C++11 引入的 <regex> 库。以下是一个详细的指南，包括示例代码和解释，帮助你快速上手。

1. 包含必要的头文件

首先，确保在你的 C++ 源文件中包含 <regex> 头文件：

#include <iostream>
#include <regex>
#include <string>

2. 基本正则表达式匹配

下面是一个简单的示例，演示如何使用 std::regex_match 来判断一个字符串是否完全匹配某个正则表达式：

#include <iostream>
#include <regex>
#include <string>

int main() {
    std::string text = "Hello, World!";
    std::regex pattern("Hello, .*!"); // 匹配以 "Hello," 开头，后面跟随任意字符

    if (std::regex_match(text, pattern)) {
        std::cout << "匹配成功！" << std::endl;
    } else {
        std::cout << "匹配失败！" << std::endl;
    }

    return 0;
}

输出：

匹配成功！

3. 使用 std::regex_search 进行部分匹配

如果你只需要检查字符串中是否存在符合正则表达式的子串，可以使用 std::regex_search：

#include <iostream>
#include <regex>
#include <string>

int main() {
    std::string text = "The quick brown fox jumps over the lazy dog.";
    std::regex pattern("\\b\\w{5}\\b"); // 匹配所有五个字母的单词

    std::smatch matches;
    if (std::regex_search(text, matches, pattern)) {
        std::cout << "找到匹配项：" << matches.str() << std::endl;
        for (size_t i = 1; i < matches.size(); ++i) {
            std::cout << "捕获组 "<< i << ": " << matches[i].str() << std::endl;
        }
    } else {
        std::cout << "未找到匹配项。" << std::endl;
    }

    return 0;
}

输出：

找到匹配项：quick
捕获组 1: quick
找到匹配项：brown
捕获组 1: brown
找到匹配项：jumps
捕获组 1: jumps
找到匹配项：over
捕获组 1: over
找到匹配项：lazy
捕获组 1: lazy

4. 使用捕获组

正则表达式中的括号 () 可以定义捕获组，用于提取匹配的子串：

#include <iostream>
#include <regex>
#include <string>

int main() {
    std::string text = "Email: user@example.com";
    // 定义一个捕获组来提取用户名和域名
    std::regex pattern(R"((\w+)@(\w+\.\w+))");

    std::smatch matches;
    if (std::regex_search(text, matches, pattern)) {
        std::cout << "整个匹配: " << matches.str() << std::endl;
        std::cout << "用户名: " << matches[1].str() << std::endl;
        std::cout << "域名: " << matches[2].str() << std::endl;
    } else {
        std::cout << "未找到匹配项。" << std::endl;
    }

    return 0;
}

输出：

整个匹配: user@example.com
用户名: user
域名: example.com

5. 替换字符串

std::regex_replace 可以用于替换匹配的部分：

#include <iostream>
#include <regex>
#include <string>

int main() {
    std::string text = "I have 2 apples and 3 oranges.";
    // 将数字替换为对应的文字
    std::regex pattern(R"(\b(\d+)\b)");
    std::string replacement = [](const std::smatch& match) -> std::string {
        int num = std::stoi(match[1].str());
        switch(num) {
            case 2: return "two";
            case 3: return "three";
            default: return match.str();
        }
    };

    std::string result = std::regex_replace(text, pattern, replacement);

    std::cout << "原字符串: " << text << std::endl;
    std::cout << "替换后: " << result << std::endl;

    return 0;
}

输出：

原字符串: I have 2 apples and 3 oranges.
替换后: I have two apples and three oranges.

6. 编译正则表达式（提高性能）

对于复杂的正则表达式或在循环中多次使用同一个正则表达式时，可以预先编译以提高性能：

#include <iostream>
#include <regex>
#include <string>

int main() {
    std::string text = "apple123 banana456 cherry789";
    // 预编译正则表达式
    std::regex pattern(R"(\b\w+\d+\b)");

    // 使用 std::sregex_iterator 进行迭代匹配
    auto words_begin = std::sregex_iterator(text.begin(), text.end(), pattern);
    auto words_end = std::sregex_iterator();

    std::cout << "找到的数字单词：" << std::endl;
    for (std::sregex_iterator i = words_begin; i != words_end; ++i) {
        std::smatch match = *i;
        std::string match_str = match.str();
        std::cout << match_str << std::endl;
    }

    return 0;
}

输出：

找到的数字单词：
apple123
banana456
cherry789

7. 常用正则表达式元字符

了解一些常用的正则表达式元字符有助于编写更灵活的模式：

• . ：匹配任意单个字符（除了换行符）
• ^ ：匹配字符串的开头
• $ ：匹配字符串的结尾
• * ：匹配前面的元素零次或多次
• + ：匹配前面的元素一次或多次
• ? ：匹配前面的元素零次或一次
• [] ：定义字符集，如 [a-z] 匹配任意小写字母
• | ：逻辑“或”，如 a|b 匹配 a 或 b
• () ：定义捕获组
• \d ：匹配数字（等价于 [0-9]）
• \w ：匹配字母、数字或下划线（等价于 [A-Za-z0-9_]）
• \s ：匹配任意空白字符

8. 注意事项

• 转义字符：在 C++ 字符串中，反斜杠 \ 是转义字符，因此在正则表达式中使用 \ 时需要双写 \\。例如，匹配一个反斜杠应写为 \\。

• 原始字符串字面量：为了简化正则表达式的书写，可以使用原始字符串字面量（在字符串前加 R"(...)"），避免大量转义。

• 性能考虑：复杂的正则表达式可能导致性能问题，尤其是在大数据量或高频匹配的场景下。合理设计正则表达式，并考虑预编译和优化模式。

9. 完整示例

以下是一个综合示例，展示如何使用 std::regex 进行匹配、搜索、捕获和替换：

#include <iostream>
#include <regex>
#include <string>

int main() {
    std::string text = "Contact us at email@example.com or support@example.org for help.";

    // 匹配电子邮件地址
    std::regex email_pattern(R"(\b[\w.-]+@[\w.-]+\.\w+\b)");
    
    // 搜索所有匹配的电子邮件
    auto words_begin = std::sregex_iterator(text.begin(), text.end(), email_pattern);
    auto words_end = std::sregex_iterator();

    std::cout << "找到的电子邮件地址：" << std::endl;
    for (std::sregex_iterator i = words_begin; i != words_end; ++i) {
        std::smatch match = *i;
        std::string email = match.str();
        std::cout << email << std::endl;
    }

    // 替换第一个电子邮件地址
    std::string replaced_text = std::regex_replace(text, email_pattern, "REDACTED");

    std::cout << "\n替换后的文本：" << std::endl;
    std::cout << replaced_text << std::endl;

    return 0;
}

输出：

找到的电子邮件地址：
email@example.com
support@example.org

替换后的文本：
Contact us at REDACTED or support@example.org for help.

总结

C++ 的 <regex> 库提供了强大且灵活的正则表达式功能，适用于各种文本处理任务。通过合理使用匹配、搜索、捕获和替换等功能，可以高效地处理复杂的字符串操作需求。建议在实际项目中根据具体需求选择合适的正则表达式，并注意性能优化和代码可读性。

如果在实现过程中遇到问题，可以参考以下资源：

• C++ Reference -
• Regular-Expressions.info