编程中经常会出现对字符串的处理，自己编写处理程序通常是低效的，也是一种重复造轮子的行为，如果掌握使用正则表达式处理字符串，可以极大提高编程效率。
正则表达式的语法就不作说明，这里主要类比在c++和python中如何使用正则表达式进行编程。
match 匹配
match 函数通常需要两个参数，pattern 和 s，其中 pattern 为正则表达式，s 表示待匹配字符串，返回值在c++和python中并不相同。下面是两个功能类似的例子：
- c++ 版
#include <iostream>
#include <regex>
#include <string>
using namespace std;
int main(int argc, char* argv[]){
string fnames[] = {"foo.txt", "bar.txt", "test.txtx", "0a.txt", "AAA.txt"};
regex txt_regex("[a-z]+\\.txt");
for(string& fname: fnames){
cout << fname << ": " << regex_match(fname, txt_regex) << endl;
}
return 0;
}
输出为
foo.txt: 1
bar.txt: 1
test.txtx: 0
0a.txt: 0
AAA.txt: 0
- python 版
import re
fnames = ["foo.txt", "bar.txt", "test.txtx", "0a.txt", "AAA.txt"]
txt_regex = re.compile(r"[a-z]\.txt")
txt_regex = re.compile("[a-z]+\\.txt")
for fname in fnames:
print(f"{fname}: {txt_regex.match(fname)}")
输出为：
foo.txt: <_sre.SRE_Match object; span=(0, 7), match='foo.txt'>
bar.txt: <_sre.SRE_Match object; span=(0, 7), match='bar.txt'>
test.txtx: <_sre.SRE_Match object; span=(0, 8), match='test.txt'>
0a.txt: None
AAA.txt: None
对比 c++ 和 python 中 match 的用法，可以看出c++返回的是一个 bool类型的，而python如果能够匹配，就返回匹配实例，否则返回None。而且c++默认是对这个字符串匹配，而python只要前一部分能够匹配就认为匹配成功。
c++ 匹配到的结果可以通过传入类型为 smatch 的参数获取，例如传入的参数名为 sm，则 sm.length() 返回匹配的字符串长度，sm.size() 为捕获的变量数，其中第一个为匹配到的整个字符串，之后为正则表达式中用()捕捉到的内容，捕捉到的内容可以用类似 sm[1] 获取，也可以用 sm.format("... $1 ...") 直接用于格式化。
c++ 的 regex_match 的其他用法（参考： <https://blog.csdn.net/mycwq/article/details/18838151）
#include <iostream>
#include <regex>
#include <string>
using namespace std;
int main(){
string s = "xsubject";
regex e("(sub)(.*)");
if(regex_match(s, e)){
cout << "string object matched" << endl;
}
// 部分匹配
if(regex_match(s.begin()+1, s.end(), e)){
cout << "range matched" << endl;
}
// 获取匹配结果
smatch sm;
if(regex_match(s.cbegin()+1, s.cend(), sm, e)){
cout << sm.str() << endl;
for(int i=0; i<sm.size(); ++i){
cout << "\t" << i << ": " << sm[i] << endl;
}
}
return 0;
}
输出结果为：
range matched
subject
0: subject
1: sub
2: ject
search 搜索
match 和 search 的主要区别：match 是全词匹配，而 search 是搜索其中匹配的字符串。
- c++
#include <iostream>
#include <regex>
#include <string>
using namespace std;
int main(){
string s("this subject has a submarine as subsequence");
smatch m;
regex e("\\b(sub)([^ ]*)");
while(regex_search(s, m, e)){
for(auto x=m.begin(); x!=m.end(); x++){
cout << x->str() << ", ";
}
cout << m.format(" --> ([^ ]*) match $2") << endl;
// 等价于
// cout << " --> ([^ ]*) match " << m[2] << endl;
s = m.suffix().str();
}
return 0;
}
输出为：
subject, sub, ject, --> ([^ ]*) match ject
submarine, sub, marine, --> ([^ ]*) match marine
subsequence, sub, sequence, --> ([^ ]*) match sequence
等价的 python 代码为：
import re
s = "this subject has a submarine as subsequence"
e = re.compile("\\b(sub)([^ ]*)")
bg_pos = 0
m = e.search(s, bg_pos)
while m:
print(m.group(), end=", ")
for ts in m.groups():
print(ts, end=", ")
print("--> ([^ ]*) match", m[2])
bg_pos = m.end()
m = e.search(s, bg_pos)
replace 替换
- c++
#include <iostream>
#include <regex>
#include <string>
using namespace std;
int main(){
string s = "This is string, that is right;";
regex e("th([^\\s]+)", regex::icase);
string news = regex_replace(s, e, "[$1]");
cout << s << endl;
cout << news << endl;
}
输出为：
This is string, that is right;
[is] is string, [at] is right;
等价的 python 代码为：
import re
s = "This is string, that is right;"
e = re.compile("th([^\\s]+)", re.RegexFlag.IGNORECASE)
print(s)
print(e.sub(lambda mt: "[%s]" %(mt[1]), s))
总结
下面用两段代码对正则表达式在c++和python中进行总结：
- c++
#include <iostream>
#include <regex>
#include <string>
using namespace std;
int main(){
string s("this is me, that\tis you!");
regex ex("\\bth([^\\s]+)");
smatch mt;
// 匹配
if(regex_match(s.cbegin(), s.cbegin()+3, mt, ex)){
cout << mt.str() << endl;
}
string s2 = s;
// 搜索
while(regex_search(s2, mt, ex)){
cout << mt[1] << endl;
s2 = mt.suffix();
}
// 替换
s2 = regex_replace(s, ex, "$1");
cout << s2 << endl;
}
- python
import re
s = "this is me, that\tis you!"
ex = re.compile("\\bth([^\\s]+)")
mt = ex.match(s, 0, 3)
print(mt.group())
bg_pos = 0
mt = ex.search(s, bg_pos)
while mt:
print(mt[1])
bg_pos = mt.end()
mt = ex.search(s, bg_pos)
print(ex.sub(lambda m:m[1], s))
上述两段代码的输出都为：
thi
is
at
is is me, at is you!
练习
下面是网易的一道笔试题，用c++完成，题目要求为解析简易版的markdown文档，文档的要求为：
- 以
#、##、###、... 开头的行，去掉最前面的#； - 以
+\t开头的行，去掉最前面的+t； - 将超链接替换为其内容，例如将
abc[xxx](url.com)替换为abcxxx；
c++实现代码为：
#include <iostream>
#include <sstream>
#include <regex>
#include <string>
using namespace std;
string decode_markdown(string s){
// #、##、### 表示标题
regex e_title("^(#+)");
// +\t 表示list
regex e_list("^\\+\\t");
// []()表示超链接
regex e_href("\\[([^\\]]*)\\]\\([^\\)]*\\)");
string ret, line;
istringstream sf(s);
while(getline(sf, line)){
string ns = regex_replace(line, e_title, "");
ns = regex_replace(ns, e_list, "");
ns = regex_replace(ns, e_href, "$1");
ret += ns + "\n";
}
return ret;
}
int main(){
string s("#hello\n##world\n+\tlist1\n+\tlist " \
"[this is href](abc.com) suffix\nsome thing "\
"[another ref](aaa.com) else\n");
cout << decode_markdown(s) << endl;
}
输出为：
hello
world
list1
list this is href suffix
some thing another ref else
对应的python代码为：
import re
s = ("#hello\n##world\n+\tlist1\n+\tlist " +
"[this is href](abc.com) suffix\nsome thing " +
"[another ref](aaa.com) else\n")
result = ""
e_title = re.compile("^(#+)")
e_list = re.compile("\\+\\t")
e_href = re.compile("\\[([^\\]]*)\\]\\([^\\)]*\\)")
for line in s.split('\n'):
ns = e_title.sub("", line)
ns = e_list.sub("", ns)
ns = e_href.sub(lambda mt:mt[1], ns)
result += ns + '\n'
print(result)
网友评论