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果，F(xiàn)Q到了外面去找，也找到了一些比較基礎的視頻（需FQ）。
這篇文章可以說是一個總結，把在書寫正則表達式的匹配字符串方面的基礎知識介紹一下。主要分為以下兩個個部分：
匹配字符串的基本規(guī)則
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
1 2 | 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
1 2 | 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
1 2 | regex e("^abc."); // ^ begin of the string 查找以abc開頭的子字符串 |
15. 匹配某個字符串結尾
1 2 | regex e("abc.$");// $ end of the string 查找以abc結尾的子字符串 |
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\進行轉義，比如在匹配字符串中需要匹配"."，那么在匹配字符串中應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。
1 2 | 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。
1 2 | 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。
1 2 3 4 5 6 | 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。
1 | 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
1 2 3 4 5 6 7 8 9 10 11 12 13 | 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。
售前咨詢專員
