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cabc{2}的匹配项是abcc，这里的子表达式是cabc{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：