第 6 章 正则表达式

    正则表达式描述了一种字符串匹配的模式。一般使用正则表达式主要是实现下面三个需求:

    1. 检查一个串是否包含某种形式的子串;
    2. 将匹配的子串替换;
    3. 从某个串中取出符合条件的子串。

    正则表达式是由普通字符(例如 a 到 z)以及特殊字符组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。 正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。

    普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

    特殊字符是正则表达式里有特殊含义的字符,也是正则表达式的核心匹配语法。参见下表:

    限定符用来指定正则表达式的一个给定的组件必须要出现多少次才能满足匹配。见下表:

    字符 描述
    * 匹配前面的子表达式零次或多次。例如,foo* 能匹配 fo 以及 foooo* 等价于{0,}
    + 匹配前面的子表达式一次或多次。例如,foo+ 能匹配 foo 以及 foooo,但不能匹配 fo+ 等价于 {1,}
    ? 匹配前面的子表达式零次或一次。例如,Your(s)? 可以匹配 YourYours 中的Your? 等价于 {0,1}
    {n} n 是一个非负整数。匹配确定的 n 次。例如,o{2} 不能匹配 for 中的 o,但是能匹配 foo 中的两个 。
    {n,} n 是一个非负整数。至少匹配 n 次。例如,o{2,} 不能匹配 for 中的 o,但能匹配 foooooo 中的所有 oo{1,} 等价于 o+o{0,} 则等价于 o*
    {n,m} mn 均为非负整数,其中 n 小于等于 m。最少匹配 n 次且最多匹配 m 次。例如,o{1,3} 将匹配 foooooo 中的前三个 oo{0,1} 等价于 o?。注意,在逗号和两个数之间不能有空格。

    有了这两张表,我们通常就能够读懂几乎所有的正则表达式了。

    6.2 std::regex 及其相关

    一般的解决方案就是使用 boost 的正则表达式库。 而 C++11 正式将正则表达式的的处理方法纳入标准库的行列,从语言级上提供了标准的支持, 不再依赖第三方。

    C++11 提供的正则表达式库操作 std::string 对象, 模式 std::regex (本质是 std::basic_regex)进行初始化, 通过 std::regex_match 进行匹配, 从而产生 std::smatch (本质是 std::match_results 对象)。

    我们通过一个简单的例子来简单介绍这个库的使用。考虑下面的正则表达式:

    • [a-z]+\.txt: 在这个正则表达式中, [a-z] 表示匹配一个小写字母, + 可以使前面的表达式匹配多次, 因此 [a-z]+ 能够匹配一个小写字母组成的字符串。 在正则表达式中一个 . 表示匹配任意字符,而 \. 则表示匹配字符 ., 最后的 txt 表示严格匹配 txt 则三个字母。因此这个正则表达式的所要匹配的内容就是由纯小写字母组成的文本文件。

    std::regex_match 用于匹配字符串和正则表达式,有很多不同的重载形式。 最简单的一个形式就是传入 std::string 以及一个 std::regex 进行匹配, 当匹配成功时,会返回 true,否则返回 false。例如:

    另一种常用的形式就是依次传入 std::string//std::regex 三个参数, 其中 std::smatch 的本质其实是 std::match_results。 在标准库中, std::smatch 被定义为了 std::match_results<std::string::const_iterator>, 也就是一个子串迭代器类型的 match_results。 使用 std::smatch 可以方便的对匹配的结果进行获取,例如:

    1. std::regex base_regex("([a-z]+)\\.txt");
    2. std::smatch base_match;
    3. for(const auto &fname: fnames) {
    4. if (std::regex_match(fname, base_match, base_regex)) {
    5. // std::smatch 的第二个元素匹配了第一个括号表达式
    6. if (base_match.size() == 2) {
    7. std::string base = base_match[1].str();
    8. std::cout << "sub-match[0]: " << base_match[0].str() << std::endl;
    9. std::cout << fname << " sub-match[1]: " << base << std::endl;
    10. }
    11. }
    12. }

    以上两个代码段的输出结果为:

    习题

    1. 在 Web 服务器开发中,我们通常希望服务某些满足某个条件的路由。正则表达式便是完成这一目标的工具之一。

    给定如下请求结构:

    1. struct Request {
    2. // request method, POST, GET; path; HTTP version
    3. std::string method, path, http_version;
    4. // use smart pointer for reference counting of content
    5. std::shared_ptr<std::istream> content;
    6. // hash container, key-value dict
    7. std::unordered_map<std::string, std::string> header;
    8. // use regular expression for path match
    9. };

    请求的资源类型:

    以及服务端模板:

    1. template <typename socket_type>
    2. class ServerBase {
    3. public:
    4. resource_type resource;
    5. resource_type default_resource;
    6. void start() {
    7. // TODO
    8. }
    9. protected:
    10. Request parse_request(std::istream& stream) const {
    11. // TODO
    12. }
    13. }

    请实现成员函数 start()parse_request。使得服务器模板使用者可以如下指定路由:

    参考答案。

    返回目录 | | 下一章 线程与并发

    1. 正则表达式库文档

    许可

    本教程由撰写,采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议许可。项目中代码使用 MIT 协议开源,参见。