正则表达式(Regular Expression,简称 Regex)是一种强大的文本处理工具,广泛用于字符串的搜索、替换、分析等操作。它基于一种表达式语言,使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。正则表达式不仅在各种编程和脚本语言中被广泛支持,还是很多文本编辑器和处理工具的重要功能。
语法介绍
特殊字符
特殊字符在正则表达式中的作用是非常重要的,可以定义一系列的匹配规则。
.
- 描述
匹配除换行符(\n)外的任意单个字符。
如果要匹配.
字符,请用\.
。
- 示例
a.c
匹配的是abc
、acc
等,但无法匹配ac
[a.c]
匹配的是a
、.
、c
,但无法匹配abc
*
- 描述
匹配前面子表达式任意多次(包含0次)。
如果要匹配*
字符,请用\*
。
- 示例
ab*c
匹配的是ac
、abc
、abbbbc
等。(这里的子表达式是b
)[abc]*
匹配的是a
、b
、c
、ac
、acb
、abcc
等。(这里的子表达式是[abc]
)(abc)*
匹配的是abc
、abcabc
、abcabcabc
等。(这里的子表达式是(abc)
)[a*c]
匹配的是a
、*
、c
。(这里不做量化字符)
^
- 描述
^
字符的匹配规则有两种:
- 在方括号
[]
内时,匹配不包含在方括号内的单个字符 - 不在方括号内时,匹配字符串中的起始位置(起始位置也可以匹配)
- 示例
^abc
的匹配项有起始位置abc
[^abc]
匹配的是除了a
、b
、c
这三个字符外的所有其他单个字符
[ ]
- 描述
匹配方括号内包含的单个字符。
- 示例
[abc]
的匹配项有a
、b
、c
。[a-z]
的匹配项是a-z的范围
,即匹配的是a-z的所有小写字母。[abcx-z]
的匹配项有a
、b
、c
以及x-z的范围
。[-abc]
的匹配项有-
、a
、b
、c
。[abc-]
的匹配项有a
、b
、c
、-
。[]abc]
的匹配项有[]空字符集
、a
、b
、c
、]
。[]abc[]
的匹配项有[]空字符集
、a
、b
、c
、[]空字符集
。
$
- 描述
$
字符的匹配规则有两种:
- 在方括号
[]
内时,就是匹配$
字符 - 不在方括号内时,匹配字符串的结束位置
- 示例
abc$
的匹配项有abc结束位置
[abc$]
的匹配项有a
、b
、c
、$
( )
- 描述
圆括号的主要作用是定义一个子表达式,并设置捕获组。
如果要匹配(
或)
字符,请使用\(
或\)
。
后面章节详细介绍。
+
- 描述
匹配前面子表达式一次或零次。
如果要匹配+
字符,请用\+
。
- 示例
ab+c
匹配的是abc
、abbc
、abbbc
等,但不匹配ac
。(这里的子表达式是b
)[abc]+
匹配的是a
、b
、c
、ac
、acb
等,但不匹配[abc]
)(abc)+
匹配的是abc
、abcabc
、abcabcabc
等,但不匹配(abc)
)[a+c]
匹配的是a
、+
、c
。(这里不做量化字符)
?
- 描述
匹配前面子表达式0次或1次。
如果要匹配?
字符,请用\?
。
- 示例
ab?c
匹配的是ac
或abc
。(这里的子表达式是b
)[ab?c]
匹配的是a
、b
、?
、c
。(这里不做量化字符)
\
- 描述
反斜杠主要起转义字符的作用,这里的转义是双向的(原义转特殊,特殊转原义)。
- 原义转特殊:
\t
表示制表符(Tab)\r
表示回车符\n
表示换行符\f
表示换页符,用于打印文档中的换页\s
表示任何空白字符,比如空格、制表符、回车符、换行符、换页符等\S
表示非空白字符- 特殊转原义:
所有量词(*
、+
、?
、{}
)的前面加\
后,转义称为普通字符。
|
- 描述
匹配|
前面的子表达式或者|
后面的子表达式(二选一,只要匹配上一个就算成功)。
- 示例
ab|c
的匹配项是ab 或 c
,能匹配上ab
和c
[ab]|c
能匹配上a
、b
、c
{ }
- 描述
{ }
也是一个量词,表示匹配前面的子表达式的次数(或次数范围)。{ }
有三种规范:
{n}
:表示匹配前面子表达式n次,n是一个非负整数(大于等于0的整数){n,}
:表示至少匹配前面子表达式n次,它是一个范围(大于等于n的整数),这里的n是一个非负整数{n,m}
:表示至少匹配前面子表达式n次,最多匹配m次,且n<=m,这里的n和m都是非负整数
- 示例
abc{0}
的匹配项是ab
,这里的子表达式是c
abc{2}
的匹配项是abcc
,这里的子表达式是c
abc{2,}
的匹配项是abcc
、abccc
、abcccc
等abc{2,4}
的匹配项是abcc
、abccc
以及abcccc
(abc){2}
的匹配项是abcabc
[abc]{2}
的匹配项是aa
、ab
、ac
、ba
、bb
、bc
、ca
、cb
以及cc
量化字符(量词)
量化字符是用来指定子表达式连续出现多少次才能匹配上。包含*
、+
、?
、{}
,具体细节看上面特殊字符章节。
定位字符
定位字符是匹配字符串中特殊的位置,比如字符串的首和尾。
定位字符包含:
^
上面已经介绍了,这里就不介绍了。
$
上面已经介绍了,这里就不介绍了。
\b
匹配一个单词的边界,就是字符和空格之间的位置。比如:a cat in cats
字符串中,\bcat\b
只能匹配到前面的cat
,但后面的cats
中的cat
无法匹配。
\B
匹配非单词边界,比如:a cat in cats
字符串中,\bcat\B
只能匹配到后面的cats
中的cat
,但前面的cat
无法匹配。
扩展语法
速记字符
\d
匹配单个数字字符。
\w
匹配单个“单词字符”(字母数字字符加下划线)。
用\w+
可以匹配用户名。
\s
匹配空白字符,比如空格、制表符、回车符、换行符、换页符等。
反向引用
反向引用指的是通过\n
(这里的n表示数字,一般支持1-9,有些标准也支持9以上)来引用对应捕获组所匹配到的内容。
比如t1_t2_t3_t3_t2_t1
字符串是能够被(..)_(..)_(..)_\3_\2_\1
这样的正则完全匹配的,它的引用流程如下图:
非捕获组
通过()
实现的捕获组会影响性能,如果既要使用()
来进行分组,又不想作为捕获组被保存,所以需要使用非捕获组。
通过(?:..)
可以实现非捕获组,示例如下:
还是用上面的示例:t1_t2_t3_t3_t2_t1
字符串能够被(?:..)_(..)_(..)_\2_\1_t1
完全匹配,其中(?:..)
作为非捕获组匹配输入字符串的t1
,不会被存储下来;然后后面在引用捕获组时,因为前面只有两个捕获组,所以引用计数最大是2。
C++中的正则表达式
C++11正式引入了正则表达式。
C++相关类和接口介绍
std::regex
std::regex
是用于表示正则表达式的类,管理正则表达式。
std::regex_match
std::regex_match
是一个函数,用于检查整个字符串是否完全符合正则表达式的模式。
std::regex_search
std::regex_search
是一个函数,用于在字符串中搜索与正则表达式匹配的部分。
std::regex_iterator
std::regex_iterator
迭代器用于迭代所有符合正则表达式的匹配项。
示例:
// 对于 std::string
std::string s = "Example string";
std::regex re("E");
std::sregex_iterator it(s.begin(), s.end(), re), end;
for (; it != end; ++it) {
std::cout << it->str() << std::endl;
}
// 对于 std::wstring
std::wstring ws = L"Example wstring";
std::wregex wre(L"E");
std::wsregex_iterator wit(ws.begin(), ws.end(), wre), endw;
for (; wit != endw; ++wit) {
std::wcout << wit->str() << std::endl;
}
std::regex_replace
std::regex_replace
是一个函数,用于替换与正则表达式匹配的子串。
std::regex_token_iterator
std::regex_token_iterator
迭代器用于分割字符串,基于正则表达式找到的匹配项或非匹配项。
std::regex_error
std::regex_error
是一个异常处理类,用于报告正则表达式中的错误。
try {
// 使用正则表达式
} catch (const std::regex_error& e) {
// 处理正则表达式错误
}
实际应用场景代码
匹配文本
#include <regex>
#include <iostream>
int main() {
std::string text = "This is a regular expression example.";
std::regex pattern("regular expression");
if (std::regex_search(text, pattern)) {
std::cout << "The pattern was found in the text." << std::endl;
} else {
std::cout << "The pattern was not found in the text." << std::endl;
}
return 0;
}
查找文本位置
#include <regex>
#include <iostream>
int main() {
std::string text = "This is a regular expression example. "
"Another example of regular expression.";
std::regex pattern("example");
std::smatch match;
std::regex_search(text, match, pattern);
if (match.size() > 0) {
std::cout << "The first match was found at position " << match.position() << std::endl;
std::cout << "The matched text is: " << match[0] << std::endl;
} else {
std::cout << "The pattern was not found in the text." << std::endl;
}
return 0;
}
替换文本
#include <regex>
#include <iostream>
int main() {
std::string text = "This is a regular expression example. "
"It contains some outdated terms.";
std::regex pattern("outdated");
std::string replaced_text = std::regex_replace(text, pattern, "modern");
std::cout << "The replaced text is: " << replaced_text << std::endl;
return 0;
}
分组匹配
#include <regex>
#include <iostream>
int main() {
std::string text = "This is a regular expression example (123) 456-7890";
std::regex pattern("(([^ ]+) (\\d{3})-(\\d{4}))$");
std::smatch match;
std::regex_search(text, match, pattern);
if (match.size() > 0) {
std::cout << "The first match was found at position " << match.position() << std::endl;
std::cout << "Group 1: " << match[1] << std::endl;
std::cout << "Group 2: " << match[2] << std::endl;
std::cout << "Group 3: " << match[3] << std::endl;
std::cout << "Group 4: " << match[4] << std::endl;
} else {
std::cout << "The pattern was not found in the text." << std::endl;
}
return 0;
}
#include <regex>
#include <iostream>
int main() {
std::string text = "(123) 456-7890";
std::regex pattern("(([^ ]+) (\\d{3})-(\\d{4}))$");
std::smatch match;
if (std::regex_match(s, match, r)) {
std::cout << "Group 1: " << match[1] << std::endl;
std::cout << "Group 2: " << match[2] << std::endl;
std::cout << "Group 3: " << match[3] << std::endl;
std::cout << "Group 4: " << match[4] << std::endl;
}
return 0;
}
资料
推荐两个学习使用正则表达式的网站:
- https://regexper.com/
可以直观地理解正则表达式的逻辑:
- https://regexr.com
通过该网站可以测试正则表达式的效果,并直观地看到匹配项: