C++标准库之std：：regex类的使⽤
C++标准库之std::regex类的使⽤
Reference:
s开头的英文单词1. ECMAScript syntax: .
2. 正则表达式30分钟⼊门教程: .
1. 简介
在使⽤C++标准库之前，需优先学习正则表达式语法。
2. 正则表达式
2.1 概念
在编写处理字符串的程序或⽹页时，经常会有查付个某些复杂规则的字符串的需要。正则表达式就是⽤于描述这些规则的⼯具。换句话说，正则表达式就是记录⽂本规则的代码。
很可能你使⽤过Win/Dos下⽤于⽂件查的通配符(wildcard)，也就是和？。如果你想要查某个⽬录下的所有Word⽂档的话，你会搜索.doc。在这⾥，*会被解释成任意的字符串。和通配符类似，正则表达式也是⽤来进⾏⽂本匹配的⼯具，只不过⽐起通配符，它能更精确地描述你的需求。当然，代价是更复杂。⽐如，可以编写⼀个正则表达式，⽤来查所有以0开头，后⾯跟着2-3个数字，然后是⼀个连字号“-”，最后是7或8位数字的字符串(像010-********或0376-*******)。
2.2 ⼊门
假设你在写⼀篇英⽂⼩说⾥查hi，你可以使⽤正则表达式hi。
这⼏乎是最简单的正则表达式了，它可以精确匹配这样的字符串：由两个字符组成，前⼀个字符是h，后⼀个是i。通常，处理正则表达式的⼯具会提供⼀个忽略⼤⼩写的选项，如果选中了这个选项，它可以匹配hi, HI, Hi, hI这四种中的任意⼀种。
不幸的是，很多单词⾥包含hi这两个连续的字符，⽐如him, history, high等等。⽤hi来查的话，这⾥⾯的hi也会被出来。如果要精确地查hi这个单词的话，我们应该使⽤\bhi\b（hi放中间）。
\b是正则表达式规定的⼀个特殊代码（被称为元字符, metacharacter），代表着单词的开头或结尾，也就是单词的分界处。虽然通常英⽂的单词是由空格，标点符号或者换⾏来分隔的，但是\b并不匹配这些单词分隔字符中的任何⼀个，它只匹配⼀个位置。
假如你要的是hi后⾯不远处跟着的⼀个Lucy，你应该⽤\bhi\b.*\bLucy\b。
这⾥，.是另⼀个元字符，匹配除了换⾏符以外的任意字符。同样是元字符，不过它代表的不是字符，也不是位置，⽽是数量——它指定前边的内容可以连续重复出现任意次以使整个表达式得到匹配。因此，.连在⼀起就意味着任意数量的不包含换⾏的字符。现
在\bhi\b.\bLucy\b的意思就很明显了：先是⼀个单词hi，然后是任意个字符（但不能换⾏），最后是Lucy这个单词。
如果同时使⽤其它元字符，我们就能构造出功能更强⼤的正则表达式。⽐如下⾯这个栗⼦：
0\d\d-\d\d\d\d\d\d\d\d匹配这样的字符串：以0开头，然后是两个数字，然后是⼀个连字号“-”，最后是8个数字(也就是中国的电话号码。当然，这个例⼦只能匹配区号为3位的情形)。
这⾥的\d是个新的元字符，匹配⼀位数字（0或1或2… …）。-不是元字符，只匹配它本⾝——连字符或者减号。
为了避免那么多烦⼈的重复，我们也可以这样写这个表达式：0\d{2}-\d{8}。这⾥\d后⾯的{2}({8})的意思是前⾯的\d必须连续重复匹配2次（8次）。
2.3 元字符
现在已经知道了⼏个很有⽤的元字符了，正则表达式⾥还有更多的元字符，⽐如\s匹配任意的空⽩符，包括空格，制表符(Tab)，换⾏符，中⽂全⾓空格等。\w匹配字母或数字或下划线或汉字等。
下⾯看看更多的栗⼦：
\ba\w*\b匹配以字母a开头的单词——先是某个单词开始处（\b），然后是字母a，然后是任意数量的字母或数字（\w*），最后是单词结束处（\b）。
\d+匹配1个或更多连续的数字。这⾥的+是和类似的元字符，不同的是匹配重复任意次（可能是0次），⽽+则匹配重复1次或更多次。
\b\w{6}\b匹配刚好6个字母/数字的单词。
代码说明
.匹配除换⾏符以外的任意字符
\w匹配字母或数字或下划线或汉字
\s匹配任意的空⽩符
\d匹配数字
\b匹配单词的开始或结束
^匹配字符串的开始
$匹配字符串的结束
元字符^和$都匹配⼀个位置，这和\b有点类似。^匹配要⽤来查的字符串的开头，$匹配结尾。这两个代码在验证输⼊的内容时⾮常有⽤，⽐如⼀个⽹站如果要求你填写的QQ号必须为5到12位的数字时，可以使⽤：^\d{5,12}$。
这⾥的{5,12}和前⾯介绍过的{2}是类似的，只不过{2}匹配只能不多不少重复2次，{5,12}则是重复的次数不能少于5次，不能多于12次，否则都不匹配。
因为使⽤了^和$，所以输⼊的整个字符串都要⽤来和\d{5,12}来匹配，也就是说整个输出必须是5到12个数字，因此如果输⼊的QQ号能匹配这个正则表达式的话，那就符合要求了。
和忽略⼤⼩写的选项类似，有些正则表达式处理⼯具还有⼀个处理多⾏的选项。如果选中了这个选项，^和$的意义就变成了匹配⾏的开始处和结束处。
2.4 字符转义
如果想查元字符本⾝的话，⽐如查.，或者*，就会出现问题：没有办法去指定它们，因为它们会被解释成别的意思。这时候就得使
⽤</font>来取消这些字符的特殊意义。因此，应该使⽤.和*。当然，要查\本⾝，也需要使⽤\。
⽐⽅说：
unibetter\匹配unibetter，C:\Windows匹配C:\Windows。
2.5 重复
前⾯已经介绍过*，+，{2}，{5,12}这⼏个匹配重复的⽅式了。下⾯是正则表达式中所有的限定符(指定数量的代码，例如*,{5,12}等)：代码 /语法说明
*重复零次或更多次
+重复⼀次或更多次
?重复零次或⼀次
{n}重复n次
{n,}重复n次或更多次
{n,m}重复n到m次
下⾯是⼀些使⽤重复的例⼦：
Windows\d+匹配Windows后⾯跟1个或更多数字
^\w+匹配⼀⾏的第⼀个单词(或整个字符串的第⼀个单词，具体匹配哪个意思得看选项设置)
2.6 字符类
要想查数字，字母或数字，空⽩是很简单的，因为已经有了对应这些字符集合的元字符，但是如果你想匹配没有预定义元字符的字符集合(⽐如元⾳字母a,e,i,o,u)，应该怎么办？
很简单，你只需要在⽅括号⾥列出它们就⾏了，像[aeiou]就匹配任何⼀个英⽂元⾳字母，[.?!]匹配标点符号(.或?或!)。
我们也可以轻松地指定⼀个字符范围，像[0-9]代表的含意与\d就是完全⼀致的：⼀位数字；同理[a-z0-
9A-Z_]也完全等同于\w（如果只考虑英⽂的话）。
下⾯是⼀个更复杂的表达式：\(?0\d{2}[) -]?\d{8}。
这个表达式可以匹配⼏种格式的电话号码，像(010)88886666，或022-********，或029********等。我们对它进⾏⼀些分析吧：⾸先是⼀个转义字符(，它能出现0次或1次(?)，然后是⼀个0，后⾯跟着2个数字(\d{2})，然后是)或-或空格中的⼀个，它出现1次或不出现(?)，最后是8个数字(\d{8})。
2.7 分枝条件
不幸的是，刚才那个表达式也能匹配010)12345678或(022-********这样的“不正确”的格式。要解决这个问题，我们需要⽤到分枝条件。正则表达式⾥的分枝条件指的是有⼏种规则，如果满⾜其中任意⼀种规则都应该当成匹配，具体⽅法是⽤|把不同的规则分隔开。
0\d{2}-\d{8}|0\d{3}-\d{7}这个表达式能匹配两种以连字号分隔的电话号码：⼀种是三位区号，8位本地号(如010-********)，⼀种是4位区号，7位本地号(0376-*******)。
(0\d{2})[- ]?\d{8}|0\d{2}[- ]?\d{8}这个表达式匹配3位区号的电话号码，其中区号可以⽤⼩括号括起来，也可以不⽤，区号与本地号间可以⽤连字号或空格间隔，也可以没有间隔。你可以试试⽤分枝条件把这个表达式扩展成也⽀持4位区号的。
\d{5}-\d{4}|\d{5}这个表达式⽤于匹配美国的。美国邮编的规则是5位数字，或者⽤连字号间隔的9位数字。之所以要给出这个例⼦是因为它能说明⼀个问题：使⽤分枝条件时，要注意各个条件的顺序。如果你把它改成\d{5}|\d{5}-\d{4}的话，那么就只会匹配5位的邮编(以及9位邮编的前5位)。原因是匹配分枝条件时，将会从左到右地测试每个条件，如果满⾜了某个分枝的话，就不会去再管其它的条件了。
2.8 分组
上⽂中已经提到了怎么重复单个字符（直接在字符后⾯加上限定符就⾏了）；但如果想要重复多个字符⼜该怎么办？
可以使⽤⼩括号来指定⼦表达式（也叫作分组），然后就可以指定这个⼦表达式的重复次数了。
(\d{1,3}\.){3}\d{1,3}是⼀个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：\d{1,3}匹配1到3位的数
字，(\d{1,3}\.){3}匹配三位数字加上⼀个英⽂句号重复三次，最后再加上⼀个⼀到三位的数字（\d{1,3}）。
2.9 反义
有时需要查不属于某个能简单定义的字符类的字符。⽐如想查除了数字以外，其它任意字符都⾏的情况，这时需要⽤到反义：代码 /语法说明
\W匹配任意不是字母，数字，下划线，汉字的字符
\S匹配任意不是空⽩符的字符
\D匹配任意⾮数字的字符
\B匹配不是单词开头或结束的位置
[^x]匹配除了x以外的任意字符
[^aeiou]匹配除了aeiou这⼏个字母以外的任意字符
如：
\S+匹配不包含空⽩符的字符串。
<a[^>]+>匹配⽤尖括号括起来的以a开头的字符串。
2.10 后向引⽤
使⽤⼩括号指定⼀个⼦表达式后，匹配这个⼦表达式的⽂本(也就是此分组捕获的内容)可以在表达式或其它程序中作进⼀步的处理。默认情况下，每个分组会⾃动拥有⼀个组号，规则是：从左向右，以分组的左括号为标志，第⼀个出现的分组的组号为1，第⼆个为2，以此类推。
后向引⽤⽤于重复搜索前⾯某个分组匹配的⽂本。例如，\1代表分组1匹配的⽂本。难以理解？请看⽰例：
\b(\w+)\b\s+\1\b可以⽤来匹配重复的单词，像go go, 或者kitty kitty。这个表达式⾸先是⼀个单词，也就是单词开始处和结束处之间的多于⼀个的字母或数字(\b(\w+)\b)，这个单词会被捕获到编号为1的分组中，然后是1个或⼏个空⽩符(\s+)，最后是分组1中捕获的内容（也就是前⾯匹配的那个单词）(\1)。
你也可以⾃⼰指定⼦表达式的组名。要指定⼀个⼦表达式的组名，请使⽤这样的语法：(?<Word>\w+)(或者把尖括号换成’也
⾏：(?‘Word’\w+))，这样就把\w+的组名指定为Word了。要反向引⽤这个分组捕获的内容，你可以使⽤\k<Word>，所以上⼀个例⼦也可以写成这样：\b(?<Word>\w+)\b\s+\k<Word>\b。
使⽤⼩括号的时候，还有很多特定⽤途的语法。下⾯列出了最常⽤的⼀些：
2.11 零宽断⾔（对换⾏空格感觉很有帮助）
接下来的四个⽤于查在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样⽤于指定⼀个位置，这个位置应该满⾜⼀定的条件(即断⾔)，因此它们也被称为零宽断⾔。
(?=exp)也叫作零宽度正预测先⾏断⾔，它断⾔⾃⾝出现的位置的后⾯能匹配表达式exp。⽐如\b\w+(?=ing\b)，匹配以ing结尾的单词的前⾯部分（除了ing以外的部分），如查I’m singing while you’re dancing时，它会匹配sing和danc。
(?<=exp)也叫零宽度正回顾后发断⾔，它断⾔⾃⾝出现的位置的前⾯能匹配表达式exp。⽐如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查reading a book时，它匹配ading。
假如你想要给⼀个很长的数字中每三位间加⼀个逗号(当然是从右边加起了)，你可以这样查需要在前⾯和⾥⾯添加逗号的部分：((?
<=\d)\d{3})*\b，⽤它对1234567890进⾏查时结果是234567890。
下⾯这个例⼦同时使⽤了这两种断⾔：(?<=\s)\d+(?=\s)匹配以空⽩符间隔的数字(再次强调，不包括这些空⽩符)。
讲道理，在cpp的regex库中，只看见了两种书写⽅式：
1.(?=subpattern): 断⾔后⾯的字符必须与subpattern匹配，但是不消耗任何字符。即，断⾔括号内的字符（subpattern）作为匹配查使⽤，但他们依旧会被写⼊pattern内，⽽不是被忽略掉。
2.(?!subpattern): 断⾔后⾯的字符不会与subpattern匹配，且不消耗任何字符。
2.12 贪婪与懒惰（解释了为什么会匹配到后⾯的东西）
当正则表达式中包含能接受重复的限定符时，通常的⾏为是（在使整个表达式能得到匹配的前提下尽可能多的字符）。考虑这个表达
式：a.*b，它将匹配最长的以a开始，以b结束的字符串。如果⽤它来搜索aabab的话，它会匹配整个字符串aabab。被称为贪婪匹配。
有时，我们 更需要懒惰匹配，也就是匹配尽可能少的字符。前⾯给出的限定符都可以被转化为懒惰匹配模式，只要在它后⾯加上⼀个问号？。这样，.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使⽤最少的重复。
a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应⽤于aabab的话，它会匹配aab（第⼀到第三个字符）和ab（第四到第五个字符）。
代码 /语法说明
*？重复任意次，但尽可能少重复
+？重复1次或更多次，但尽可能少重复
??重复0次或1次，但尽可能少重复
{n,m}?重复n到m次，但尽可能少重复
有了以上5组模板，基本上可以处理所有的字符串处理需求了。