正则表达式

什么是正则表达式？
正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

我们直接从例子入手，如果要规定输入账号，指定账号的长度在5位到11位之间，且不能输入字符等其他字符，只能输入数字，那么你要如何编写C++程序呢？？

c++伪代码：

1. 首先规定长度len，长度大于5位，小于11位，否则重新输入。
2. 然后规定输入数字，如果输入了数字直接重新输入。

regex正则表达式：

void fun()
{
	regex rex{ R"(\d{5,11})" };
	string account;
	smatch sm;
	cout << "请输入账号:";
	while (getline(cin, account))
	{
		if (regex_match(account, sm, rex))
		{
			break;
		}
		cout << "请重新输入:";
	}
	cout << "你的账号是: " << account << endl;
}

怎么样，是不是感觉很高端？ 利用正则表达式还可以写出更加高效的代码，我们在等会给大家演示！

---

基本语句

首先先让我们来初步认识正则表达式的基本语句。
有一篇博客总结的不错，这里我引用以下这个博主所总结的：
正则表达式

regex_match

regex_match可以精准的匹配正则表达式与字符串。

接受参数：

s − 它是一个带有目标序列的字符串。
rgx − 它是要匹配的 basic_regex 对象。
flags − 用于控制 rgx 的匹配方式。
m − 它是 match_results 类型的对象。

返回值：
如果 rgx 与目标序列匹配，则返回 true。 否则为 false 。

• .* ： . 表示输入任意一个字符，* 表示输入任意多个，即在<>的范围内输入任意多个字符

regex myReg1{ "<.*>" };
bool ret1 = regex_match("<1234asd89>", myReg1);
assert(ret1);	//正确

• 一个比较上一个较复杂的例子：第一个<>内输入任意多个字符，然后在外面在接受任意多个字符，之后在最后一个<>内指定输入一个数字（使用转义字符转换为\d）

regex myReg2{ "<.*>.*<(\\d)>" };
bool ret2 = regex_match("<woaini>abc<5>", myReg2);
assert(ret2);	//正确

• regex_match的另一种版本：

cmatch m;	//一个接受匹配后字符串的类，存储匹配后的字符串
auto ret = regex_match("<woaini>666</xml>", m, regex{ "<(.*)>(.*)</(.*)>" });
if (ret)
{
	cout << m.str() << endl;
	cout << m.length() << endl;
	cout << m.position() << endl;
}

通过cmatch接受const char*类型的字符串，当然通过smatch也可以接受string类型的字符串。我们可以调用它所拥有的方法，比如得到这个字符串：str()，得到长度: length()，得到某个子匹配项在整个大的匹配项中所处的位置。

• 三种方法得到匹配后的字符串：

for (int i = 0	; i < m.size(); i++)
{
	cout << m[i].str() << " " << m.str(i) << endl;
}
cout << " -----------------------" << endl;
for (auto it = m.begin(); it != m.end(); it++)
{
	cout << *it << endl;
}

---

regex_search

搜索：整个字符序列中，是否有部分（或整体）符合匹配模式。

他接受的参数和返回值与regex_match一致。

在s中我们的字符序列在尾部多了一个end，显然与对应的匹配模式不符合，但是search和match不同的是，它只要有部分包含，则就是成功，返回正确匹配的一部分序列。

注意：在字符串前面加 R 表示原生 字符串 ，是防止 转义，否则你就要使用两个 \ 来表示转义。

• \d：表示接受一个数字。
• {3}：表示接受3个数字，与前面合起来则表示：接受 3个数字。
• [0-9]：表示接受任意一个数字，与 \d一个意思
• * 表示接受任意多字符，则表示接受 任意多个数字。

void f3()
{
	//regex_search: 字符串s的格式 在regex中匹配一部分，则返回匹配的部分内容，不必完全匹配
	//string s{ "123456<ylh><qq>: <1173012900>654321" };
	string s{ "<ylh>666<1173012900>  end" };
	smatch sm;
	auto ret = regex_search(s, sm, regex{ R"(<(.*)>\d{3}<[0-9]*>)" });
	if (ret)
	{
		//cout << sm.str() << endl;
		for (auto& x : sm)
		{
			cout << x << endl;
		}
		cout << sm.prefix() << endl;	//返回前部分不匹配的
		cout << sm.suffix() << endl;	//返回后部分不匹配的
	}
}

smatch存储了匹配的部分字符序列，<ylh>666<1173012900>，因此可以得到其前缀：prefix()，得到其后缀：suffix() ，这里的前缀与后缀都是指相对于匹配的这一部分前面的不匹配部分和后面不匹配部分。

regex_token_iterator

使用分词迭代器给字符序列分组：

void f5()
{
	//模板类regex_token_iterator<>提供分词迭代器
	string s{ "1173012900@qq.com,123456789@vip666.com,656dawda@163.cmo" };
	regex rex{ "," };
	sregex_token_iterator pos{ s.begin(),s.end(),rex,-1 };
	decltype(pos) end;
	for (; pos != end; ++pos)
	{
		cout << pos->str() << endl;
	}
}

regex_replace

替换指定的字符

void f6()
{
	string s{ "he....llo. .w..orl...d" };
	regex rex{ "\\." };
	cout << regex_replace(s, rex, "");
}

示例

匹配电话号码

• 电话号码的位数为 11位，第一位一定是1
• 第一位：1
• 后10位：\d{10} 或者 [0-9]{10} 都可以
• ^ 表示序列的开始 $表示序列的结束

void exp1()
{
	string s;
	regex reg{ "^1[0-9]{10}$" };	// "^1\d{10}$"
	smatch sm;
	cout << "输入你的电话号码: ";
	while (getline(cin, s))
	{
		if (regex_match(s,sm, reg))
		{
			break;
		}
		cout << "输入格式错误，请重新输入:";
	}
	cout << "您的电话号码是: " << s << endl;
}

匹配QQ号码

QQ号码的位数可以是5位到11位：

• 第一位：[1-9] 或者 \d
• 后四位到后十位：[0-9]{4,10}

//匹配qq号码
void exp2()
{
	string s;
	regex reg{ "[1-9]\\d{4,10}" };	//5位或者11位 第一位不为0
	smatch sm;
	cout << "输入你的qq号码: ";
	while (getline(cin, s))
	{
		if (regex_match(s, sm, reg))
		{
			break;
		}
		cout << "输入格式错误，请重新输入:";
	}
	cout << "您的qq号码是: " << s << endl;
}

匹配IP地址

IP地址可以有四个数字部分和三个 . 部分如： 127.125.56.254

注意：它的每一位都是 0 - 255的数字，你可能以为 直接 \d{1,3} 输入三位不就好了？但是别忘了不能超过 255最大数字；你可能还会想通过 [0-5]{1,3}不就好了，但是你别忘了只是超过200之后不能超过255，没说小于200的不能超过255，因此，通过简单的表达式无法求出ip地址的匹配，我们可以通过下面的几种情况分类讨论：

1. 第一组： 0 - 9
2. 第二组： 10 - 99
3. 第三组： 100 - 199
4. 第四组： 200 - 249
5. 第五组： 250 - 255

• 通过或把每一种可能性连接起来，表示这五组只要有一组成立就可以，并且用（）把这一个统一的括起来，表示ip地址的第一个数字部分：

([0-9]|[1-9][0-9]|1\\d{2}|2[0-4][0-9]|25[0-5])

• 前三个数字部分后面都带一个点分隔符，直接重复三次，并且使用 ?: 来匹配各个组的统一模式

(?:(?:[0-9]|[1-9][0-9]|1\\d{2}|2[0-4][0-9]|25[0-5])\\.){3}

• 最后一个数字后面没有点，因此单独写一条：别忘了加上 ^与$

^(?:(?:[0-9]|[1-9][0-9]|1\\d{2}|2[0-4][0-9]|25[0-5])\\.){3}(?:[0-9]|[1-9][0-9]|1\\d{2}|2[0-4][0-9]|25[0-5])$ 

//匹配ip地址
void exp3()
{
	string s;
	//忽略子匹配内容字符： ?:
	regex reg{ "^(?:(?:[0-9]|[1-9][0-9]|1\\d{2}|2[0-4][0-9]|25[0-5])\\.){3}(?:[0-9]|[1-9][0-9]|1\\d{2}|2[0-4][0-9]|25[0-5])$" };
	smatch sm;
	cout << "输入你的ip号码: ";
	while (getline(cin, s))
	{
		if (regex_match(s, sm, reg))
		{
			break;
		}
		cout << "输入格式错误，请重新输入:";
	}
	cout << "您的ip号码是: " << s << endl;
}