正则表达式模式匹配字符串基础知识

2023-09-21 02:44:06 39

介绍

在实际项目中有个功能的实现需要解析一些特定模式的字符串。而在已有的代码库中，在已实现的部分功能中，都是使用检测特定的字符，使用这种方法的缺点是：

逻辑上很容易出错
很容易漏掉对一些边界条件的检查
代码复杂难以理解、维护
性能差

看到代码库中有一个cpp，整个cpp两千多行代码，有个方法里，光解析字符串的就有400余行！一个个字符对比过去，真是不堪入目。而且上面很多注释都已经过期，很多代码的书写风格也各不相同，基本可以判断是过了很多人手的。

在这种情况下，基本没办法还沿着这条老路走下去，自然而然就想到了使用正则表达式。而我自己在正则表达式方面没有实际应用的经验，尤其是对于书写匹配规则也是一知半解。第一时间就想到从网上找点资料，先大致了解下。但是度娘的结果依旧还是让人很失望。（当然，如果是想要查找一些比较专业的知识，度娘的结果每次都会让人心碎，无不都是千篇一律的拷贝。但是通常度娘生活方面的还是可以）后来就放弃度娘的查询结果，FQ到了外面去找，也找到了一些比较基础的视频（需FQ）。

这篇文章可以说是一个总结，把在书写正则表达式的匹配字符串方面的基础知识介绍一下。主要分为以下两个个部分：

匹配字符串的基本规则
正则匹配、查找与替代

本文介绍的正则表达式规则是ECMAScript。使用的编程语言是C++。其他方面的不做介绍。

匹配字符串的基本规则

1.匹配固定的字符串

regexe("abc");

2.匹配固定字符串，不区分大小写

regexe("abc",regex_constants::icase);

3.匹配固定字符串之外多一个字符，不区分大小写

regexe("abc.",regex_constants::icase); //. Anycharacterexceptnewline.1个字符

4.匹配0个或1个字符

regexe("abc?"); //? Zeroor1precedingcharacter.匹配?前一个字符

5.匹配0个或多个字符

regexe("abc*"); //* Zeroormoreprecedingcharacter.匹配*前一个字符

6.匹配1个或多个字符

regexe("abc+"); //+ Oneormoreprecedingcharacter.匹配+前一个字符

7.匹配特定字符串中的字符

regexe("ab[cd]*"); //[...] Anycharacterinsidesquarebrackets.匹配[]内的任意字符

8.匹配非特定字符串的字符

regexe("ab[^cd]*"); //[...] Anycharacternotinsidesquarebrackets.匹配非[]内的任意字符

9.匹配特定字符串，且指定数量

regexe("ab[cd]{3}"); //{n} 匹配{}之前任意字符，且字符个数为3个

10.匹配特定字符串，指定数量范围

regexe("ab[cd]{3,}");//{n}匹配{}之前任意字符，且字符个数为3个或3个以上
regexe("ab[cd]{3,5}");//{n}匹配{}之前任意字符，且字符个数为3个以上，5个以下闭区间

11.匹配规则中的某一个规则

regexe("abc|de[fg]"); //| 匹配|两边的任意一个规则

12.匹配分组

regexe("(abc)de+"); //() ()表示一个子分组

13.匹配子分组

regexe("(abc)de+\\1");//()()表示一个子分组，而\1表示在此位置匹配第一个分组的内容
regexe("(abc)c(de+)\\2\\1");//\2表示的是在此匹配第二个分组的内容

14.匹配某个字符串开头

regexe("^abc.");
//^beginofthestring查找以abc开头的子字符串

15.匹配某个字符串结尾

regexe("abc.$");
//$endofthestring查找以abc结尾的子字符串

以上是最基本的匹配模式的书写。通常如果要匹配特定的字符，需要使用\进行转义，比如在匹配字符串中需要匹配"."，那么在匹配字符串中应该在特定字符前加上\。出了以上的基本规则，如果还不满足特定的需要，那么可以参考此链接。使用了解基本的匹配模式后，需要使用正则表达式进行匹配、查找或者替代。

正则匹配、查找与替代

书写好模式字符串后，需要将待匹配的字符串和模式字符串进行一定规则的匹配。包括三种方式：匹配（regex_match）、查找（regex_search）、替换（regex_replace）。

匹配很简单，直接将待匹配字符串和模式字符串传入到regex_match中，返回一个bool量来指明待匹配的字符串是否满足模式字符串的规则。匹配整个str字符串。

boolmatch=regex_match(str,e);
//匹配整个字符串str

查找是在整个字符串中找到和满足模式字符串的子字符串。也就是只要str中存在满足模式字符串就会返回true。

boolmatch=regex_search(str,e);
//查找字符串str中匹配e规则的子字符串

但是很多情况下，光是返回一个是否匹配的bool量是不够的，我们需要拿到匹配的子字符串。那么就需要在模式字符串中将匹配字符串分组，参考【匹配字符串的基本规则】第12点。再将smatch传入到regex_search中，就可以获得满足每个子分组的字符串。

smatchm;
boolfound=regex_search(str,m,e);
for(intn=0;n
     此时，会在满足分组1和分组2的字符串中间加上“ison”。
     以上三个函数有很多版本的重载，可以满足不同情况下的需求。
实战
     要求：找出满足sectionA("sectionB")或者sectionA("sectionB")的模式字符串。且分离出sectionA、sectionB。sectionA和sectionB不会出现数字，字符可大小写，至少有一个字符。
     分析：根据要求，大致可分为两个部分，也就是sectionA和sectionaB。这是就需要用到分组。
第一步：写出满足section情况的模式字符串
[a-zA-Z]+
第二步：在sectionA和sectionB中可能会出现空格。暂且假设至多有1个空格
\\s?
将以上两个情况组合起来，也就是能满足我们需求的模式字符串。但是如何组织才能让其分为两组呢？
[a-zA-Z]+\\s[a-zA-Z]+
上面这种写法肯定不对的，根据分组规则，需要将分组以()进行区分
regexe("([a-zA-Z]+)\\s?\\(\"([a-zA-Z]+)\"\\)");
     此时，在\\s?后面的\\(\"是为了满足sectionB外层的引号和括号进行的转义。
     以上完成后，可先用regex_match进行匹配，如果匹配，那么继续使用regex_search对字符串进行查找
if(regex_match(str,e))
{
smatchm;
autofound=regex_search(str,m,e);
for(intn=0;n
     对象m数组的第一个字符串是满足需求的整个子串，接下来才是满足分组1、分组2的子串。
总结
以上所述是小编给大家介绍的正则表达式模式匹配字符串基础知识，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持！

正则表达式模式匹配字符串基础知识

热门推荐

随机推荐