boost库中的正则表达式

Regex 头文件: "boost/regex.hpp"

正则表达式被封装为一个类型 basic_regex的对象。我们将在下一节更深入地讨论正则表达式如何被编译和分析，这里我们首先粗略地看看 basic_regex ，以及这个库中三个最重要的算法。

namespace boost { template > class basic_regex

{ public: explicit basic_regex( const charT* p, flag_type f=regex_constants::normal); bool empty()

const; unsigned mark_count() const; flag_type flags() const; }; typedef basic_regex regex;

typedef basic_regex wregex; } 成员函数 explicit basic_regex ( const charT* p,

flag_type f=regex_constants::normal);

这个构造函数接受一个包含正则表达式的字符序列，还有一个参数用于指定使用正则表达式时的选项，例如是否忽略大小写。如果p中的正则表达式无效，则抛出一个 bad_expression

或 regex_error 的异常。注意这两个异常其实是同一个东西；在写这本书之时，尚未改变当前使用的名字 bad_expression ，但下一个版本的Boost.Regex将会使用 regex_error.

bool empty() const;

这个成员函数是一个谓词，当basic_regex实例没有包含一个有效的正则表达式时返回

true ，即它被赋予一个空的字符序列时。

unsigned mark_count() const;

mark_count 返回regex中带标记子表达式的数量。带标记子表达式是指正则表达式中用圆括号括起来的部分。匹配这个子表达式的文本可以通过调用某个正则表达式算法而获得。

flag_type flags() const;

返回一个位掩码，其中包含这个basic_regex所设置的选项标志。例如标志 icase, 表示正则表达式忽略大小写，标志 JavaScript, 表示regex使用JavaScript的语法。

typedef basic_regex regex; typedef basic_regex wregex;

不要使用类型 basic_regex来定义变量，你应该使用这两个typedef中的一个。这两个类型，regex 和 wregex, 是两种字符类型的缩写，就如 string 和 wstring 是 basic_string 和 basic_string的缩写一样。这种相似性是不一样的，某种程度上，regex 是一个特定类型的字符串的容器。

普通函数 template bool regex_match( const charT* str,

match_results& m, const basic_regex& e,

match_flag_type flags = match_default);

regex_match 判断一个正则表达式(参数 e)是否匹配整个字符序列 str. 它主要用于验证文本。注意，这个正则表达式必须匹配被分析串的全部，否则函数返回 false. 如果整个序列被成功匹配，regex_match 返回 True.

template bool regex_search( const charT* str,

match_results& m, const basic_regex& e,

match_flag_type flags = match_default);

regex_search 类似于 regex_match, 但它不要求整个字符序列完全匹配。你可以用

regex_search 来查找输入中的一个子序列，该子序列匹配正则表达式 e.

template basic_string regex_replace( const

basic_string& s, const basic_regex& e, const basic_string& fmt,

match_flag_type flags = match_default);

regex_replace 在整个字符序列中查找正则表达式e的所有匹配。这个算法每次成功匹配后，就根据参数fmt对匹配字符串进行格式化。缺省情况下，不匹配的文本不会被修改，即文本会被输出但没有改变。

这三个算法都有几个不同的重载形式：一个接受 const charT* (charT 为字符类型), 另一个接受 const basic_string&, 还有一个重载接受两个双向迭代器作为输入参数。

用法

要使用Boost.Regex, 你需要包含头文件"boost/regex.hpp". Regex是本书中两个需要独立编译的库之一(另一个是Boost.Signals)。你会很高兴获知如果你已经构建了Boost— —那只需在命令提示符下打一行命令——就可以自动链接了(对于Windows下的编译器)，所以你不需要为指出那些库文件要用而费心。 你要做的第一件事就是声明一个类型 basic_regex 的变量。这是该库的核心类之一，也是存放正则表达式的地方。创建这样一个变量很简单；只要将一个含有你要用的正则表达式的字符串传递给构造函数就行了。

boost::regex reg("(A.*)");

这个正则表达式具有三个有趣的特性。第一个是，用圆括号把一个子表达式括起来，这样可以稍后在同一个正则表达式中引用它，或者取出匹配它的文本。我们稍后会详细讨论它，所以如果你还不知道它有什么用也不必担心。第二个是，通配符(wildcard)字符，点。这个通配符在正则表达式中有非常特殊的意义；这可以匹配任意字符。最后一个是，这个表达式用到了一个重复符，*, 称为Kleene star, 表示它前面的表达式可以被匹配零次或多次。这个正则表达式已可以用于某个算法了，如下：

bool b=boost::regex_match( "This expression could match from A and beyond.", reg);

如你所见，你把正则表达式和要分析的字符串传递给算法 regex_match. 如果的确存在与正则表达式的匹配，则该函数调用返回结果 true ；否则，返回 false. 在这个例子中，结果是

false, 因为 regex_match 仅当整个输入数据被正则表达式成功匹配时才返回 true 。你知道为什么是这样吗？再看一下那个正则表达式。第一个字符是大写的 A, 很明显能够匹配这个表达式的第一个字符在哪。所以，输入的一部分"A and beyond."可以匹配这个表达式，但这不是整个输入。让我们试一下另一个输入字符串。

bool b=boost::regex_match( "As this string starts with A, does it match? ", reg);

这一次，regex_match 返回 true. 当正则表达式引擎匹配了 A, 它接着看后续有什么。在我们的regex变量中，A 后跟一个通配符和一个Kleene star, 这意味着任意字符可以被匹配任意次。因而，分析过程开始扔掉输入字符串的剩余部分，即匹配了输入的所有部分。

接下来，我们看看如何使用regexes 和 regex_match 来进行数据验证。

验证输入

正则表达式常用于对输入数据的格式进行验证。应用软件通常要求输入符合某种结构。考虑一个应用软件，它要求输入一定要符合如下格式，"3个数字, 一个单词, 任意字符, 2个数字或字符串"N/A," 一个空格, 然后重复第一个单词." 手工编写代码来验证这个输入既沉闷又容易出错，而且这些格式还很可能会改变；在你弄明白之前，可能就需要支持其它的格式，你精心编写的分析器可能就需要修改并重新调试。让我们写出一个可以验证这个输入的正则表达式。首先，我们需要一个匹配3个数字的表达式。对于数字，我们应该使用一个特别的缩写，\d。要表示它被重复3次，需要一个称为bounds operator的特定重复，它用花括号括起来。把这两个合起来，就是我们的正则表达式的开始部分了。

boost::regex reg("\\d{3}");

注意，我们需要在转义字符(\)之前加一个转义字符，即在我们的字符串中，缩写 \d 变成了

\\d 。这是因为编译器会把第一个\当成转义字符扔掉；我们需要对\进行转义，这样\才可以出现在我们的正则表达式中。

接下来，我们需要定义一个单词的方法，即定义一个字符序列，该序列结束于一个非字母字符。有不只一种方法可以实现它，我们将使用字符类别(也称为字符集)和范围这两个正则表达式的特性来做。字符类别即一个用方括号括起来的表达式。例如，一个匹配字符a, b, 和 c中任一个的字符类别表示为：[abc]. 如果用范围来表示同样的东西，我们要写：[a-c]. 要写一个包含所有字母的字符类型，我们可能会有点发疯，如果要把它写成：

[abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ], 但不用这样；我们可以用范围来表示：[a-zA-Z]. 要注意的是，象这样使用范围要依赖于当前所用的locale，如果正则表达式的 basic_regex::collate 标志被打开。使用以上工具以及重复符 +, 它表示前面的表达式可以重复，但至少重复一次，我们现在可以表示一个单词了。

boost::regex reg("[a-zA-Z]+");

以上正则表达式可以工作，但由于经常要表示一个单词，所以有一个更简单的方法：\w. 这个符号匹配所有单词，不仅是ASCII的单词，因此它不仅更短，而且也更适用于国际化的环境。接下来的字符是一个任意字符，我们已经知道要用点来表示。

boost::regex reg(".");

再接下来是 2个数字或字符串 "N/A." 为了匹配它，我们需要用到一个称为选择的特性。选择即是匹配两个或更多子表达式中的任意一个，每种选择之间用 | 分隔开。就象这样：

boost::regex reg("(\\d{2}|N/A)");