Grundlagen zu regulären Ausdrücken in C++

Die Funktion regex_search() gibt true zurück, wenn eine Übereinstimmung vorliegt, und gibt false zurück, wenn keine Übereinstimmung auftritt. Hier nimmt die Funktion zwei Argumente an: Das erste ist die Zielzeichenfolge und das zweite ist das Regex-Objekt. Die Regex selbst ist "Mann", in doppelten Anführungszeichen. Die erste Anweisung in der Funktion main() bildet das Regex-Objekt. Regex ist ein Typ und reg ist das Regex-Objekt. Die Ausgabe des obigen Programms ist "übereinstimmend", da "man" in der Zielzeichenfolge zu sehen ist. Wenn "man" im Ziel nicht zu sehen wäre, hätte regex_search() false zurückgegeben und die Ausgabe wäre "not matched" gewesen.

Die Ausgabe des folgenden Codes ist „not matched“:

Keine Übereinstimmung, da die Regex "man" nicht in der gesamten Zielzeichenfolge gefunden werden konnte, "Here is my making."

Muster

Der reguläre Ausdruck „man“ oben ist sehr einfach. Regexes sind normalerweise nicht so einfach. Reguläre Ausdrücke haben Metazeichen. Metazeichen sind Zeichen mit besonderen Bedeutungen. Ein Metacharakter ist ein Charakter über Charaktere. C++ Regex-Metazeichen sind:

Eine Regex, mit oder ohne Metazeichen, ist ein Muster.

Charakterklassen

Eckige Klammern

Ein Muster kann Zeichen in eckigen Klammern enthalten. Damit würde eine bestimmte Position in der Zielzeichenfolge mit einem der Zeichen der eckigen Klammern übereinstimmen. Betrachten Sie die folgenden Ziele:

Die Regex [cbr]at würde mit cat im ersten Ziel übereinstimmen. Es würde mit der Fledermaus im zweiten Ziel übereinstimmen. Es würde der Ratte im dritten Ziel entsprechen. Dies liegt daran, dass „Katze“ oder „Fledermaus“ oder „Ratte“ mit „c“ oder „b“ oder „r“ beginnt. Das folgende Codesegment veranschaulicht dies:

Die Ausgabe ist:

Zeichenbereich

Die Klasse [cbr] im Muster [cbr] würde mit mehreren möglichen Zeichen im Ziel übereinstimmen. Es würde mit 'c' oder 'b' oder 'r' im Ziel übereinstimmen. Wenn das Ziel kein 'c' oder 'b' oder 'r' enthält, gefolgt von "at", gibt es keine Übereinstimmung.

Einige Möglichkeiten wie 'c' oder 'b' oder 'r' existieren in einem Bereich. Der Ziffernbereich 0 bis 9 hat 10 Möglichkeiten, und das Muster dafür ist [0-9]. Der Bereich der Kleinbuchstaben von a bis z hat 26 Möglichkeiten, und das Muster dafür ist [a-z]. Der Bereich der Großbuchstaben von A bis Z hat 26 Möglichkeiten, und das Muster dafür ist [A-Z]. - ist offiziell kein Metazeichen, aber in eckigen Klammern würde es einen Bereich anzeigen. Folgendes ergibt also eine Übereinstimmung:

Beachten Sie, wie die Regex als zweites Argument konstruiert wurde. Die Übereinstimmung findet zwischen der Ziffer 6 im Bereich 0 bis 9 und der 6 im Ziel „ID6id“ statt. Der obige Code entspricht:

Der folgende Code erzeugt eine Übereinstimmung:

Beachten Sie, dass das erste Argument hier eine String-Variable ist und nicht das String-Literal. Die Übereinstimmung liegt zwischen 'i' in [a-z] und 'i' in "ID6iE".

Vergessen Sie nicht, dass ein Bereich eine Klasse ist. Im Muster kann sich rechts oder links des Bereichs Text befinden. Der folgende Code erzeugt eine Übereinstimmung:

Die Übereinstimmung liegt zwischen "ID[0-9]id" und "ID2id". Der Rest der Zielzeichenfolge „ist eine ID“ stimmt in dieser Situation nicht überein.

Wie im Betreff regulärer Ausdrücke (regexes) verwendet, bedeutet das Wort Klasse eigentlich eine Menge. Das heißt, einer der Charaktere im Set muss übereinstimmen.

Hinweis: Der Bindestrich - ist ein Metazeichen, das nur in eckigen Klammern steht und einen Bereich angibt. Es ist kein Metazeichen in der Regex, außerhalb der eckigen Klammern.

Negation

Eine Klasse mit einem Bereich kann negiert werden. Das heißt, keines der Zeichen in der Menge (Klasse) sollte übereinstimmen. Dies wird mit dem ^-Metazeichen am Anfang des Klassenmusters direkt nach der öffnenden eckigen Klammer angezeigt. [^0-9] bedeutet also, dass das Zeichen an der entsprechenden Position im Ziel übereinstimmt, das kein Zeichen im Bereich von 0 bis einschließlich 9 ist. Der folgende Code erzeugt also keine Übereinstimmung:

Eine Ziffer im Bereich von 0 bis 9 kann an jeder der Zielzeichenfolgenpositionen gefunden werden, „0123456789101112“; also gibt es keine Übereinstimmung - Negation.

Der folgende Code erzeugt eine Übereinstimmung:

Im Ziel „ABCDEFGHIJ“ konnte keine Ziffer gefunden werden; es gibt also eine Übereinstimmung.

[a-z] ist ein Bereich außerhalb von [^a-z]. Und so ist [^a-z] die Negation von [a-z].

[A-Z] ist ein Bereich außerhalb von [^A-Z]. Und so ist [^A-Z] die Negation von [A-Z].

Andere Verneinungen existieren.

Passende Leerzeichen

"oder \t oder \r oder \n oder \f ist ein Leerzeichen. Im folgenden Code stimmt die Regex „\n“ mit „\n“ im Ziel überein:

Übereinstimmung mit einem beliebigen Whitespace-Zeichen

Das Muster oder die Klasse, die einem Leerzeichen entspricht, ist [ \t\r\n\f]. Im folgenden Code wird "entspricht:

Übereinstimmung mit einem Nicht-Leerzeichen-Zeichen

Das Muster oder die Klasse, die einem Nicht-Leerraumzeichen entspricht, ist [^ \t\r\n\f]. Der folgende Code erzeugt eine Übereinstimmung, da das Ziel kein Leerzeichen enthält:

Die Periode (.) im Muster

Die Periode (.) im Muster stimmt mit jedem Zeichen überein, einschließlich sich selbst, außer \n, im Ziel. Eine Übereinstimmung wird im folgenden Code erzeugt:

Keine übereinstimmenden Ergebnisse im folgenden Code, da das Ziel "\n" ist.

Hinweis: Innerhalb einer Zeichenklasse mit eckigen Klammern hat der Punkt keine besondere Bedeutung.

Passende Wiederholungen

Ein Zeichen oder eine Zeichengruppe kann innerhalb des Zielstrings mehrfach vorkommen. Ein Muster kann dieser Wiederholung entsprechen. Die Metazeichen, ?, *, + und werden verwendet, um die Wiederholung im Ziel abzugleichen. Wenn x ein interessierendes Zeichen in der Zielzeichenfolge ist, haben die Metazeichen die folgenden Bedeutungen:

Diese Metazeichen werden Quantoren genannt.

Illustrationen

*

Das * entspricht dem vorangehenden Zeichen oder der vorangehenden Gruppe, null oder mehrmals. „o*“ stimmt mit „o“ in „Hund“ der Zielzeichenfolge überein. Es stimmt auch mit "oo" in "book" und "looking" überein. Die Regex "o*" entspricht "boooo" in "The animal booooed".”. Hinweis: „o*“ entspricht „dig“, wobei „o“ null (oder öfter) Mal vorkommt.

+

Das + entspricht ein- oder mehrmals dem vorhergehenden Zeichen oder der vorhergehenden Gruppe. Vergleichen Sie es mit null oder öfter für *. Die Regex „e+“ stimmt also mit „e“ in „eat“ überein, wobei „e“ einmal vorkommt. „e+“ stimmt auch mit „ee“ in „Schaf“ überein, wobei „e“ mehr als einmal vorkommt. Hinweis: „e+“ stimmt nicht mit „dig“ überein, da in „dig“ „e“ nicht mindestens einmal vorkommt.

?

Das ? stimmt mit dem vorhergehenden Zeichen oder der vorhergehenden Gruppe überein, 0 oder 1 Mal (und nicht mehr). Also, „e?” stimmt mit „dig“ überein, weil „e“ in „dig“ vorkommt, Nullzeit. „e?” stimmt mit „set“ überein, weil 'e' in „set“ einmal vorkommt. Hinweis: „e?” passt immer noch zu “Schaf”; obwohl es zwei 'e's in "Schafe" gibt. Hier gibt es eine Nuance - siehe später.

n,

Dies entspricht mindestens n aufeinanderfolgenden Wiederholungen eines vorangehenden Zeichens oder einer vorangehenden Gruppe. Die Regex „e2,“ stimmt also mit den zwei „e“ im Ziel „sheep“ und den drei „e“ im Ziel „sheeep“ überein. „e2,“ stimmt nicht mit „set“ überein, da „set“ nur ein „e“ hat.

n

Dies entspricht genau n aufeinanderfolgenden Wiederholungen eines vorangehenden Zeichens oder einer vorangehenden Gruppe. Die Regex „e2“ stimmt also mit den beiden „e“ im Ziel „Schaf“ überein. „e2“ stimmt nicht mit „set“ überein, da „set“ nur ein „e“ hat. Nun, "e2" entspricht zwei 'e's im Ziel "Schaf". Hier gibt es eine Nuance - siehe später.

n, m

Dies entspricht mehreren aufeinanderfolgenden Wiederholungen eines vorangehenden Zeichens oder einer vorangehenden Gruppe von n bis einschließlich m. „e1,3“ stimmt also mit nichts in „dig“ überein, das kein „e“ hat. Es entspricht dem einen „e“ in „set“, den zwei „e“ in „sheep“, den drei „e“ in „sheeep“ und den drei „e“ in „sheeeep“. Beim letzten Spiel gibt es eine Nuance - siehe später.

Passende Alternative

Betrachten Sie die folgende Zielzeichenfolge im Computer.

„Der Hof hat Schweine unterschiedlicher Größe.”

Der Programmierer möchte vielleicht wissen, ob dieses Ziel "Ziege" oder "Kaninchen" oder "Schwein" hat. Der Code wäre wie folgt:

Der Code erzeugt eine Übereinstimmung. Beachten Sie die Verwendung des Wechselzeichens |. Es kann zwei, drei, vier und mehr Optionen geben. C++ versucht zunächst, an jeder Zeichenposition in der Zielzeichenfolge die erste Alternative „Ziege“ zu finden. Gelingt es mit „Ziege“ nicht, versucht es die nächste Alternative „Hase“. Gelingt es mit „Kaninchen“ nicht, versucht es die nächste Alternative „Schwein“. Wenn „Schwein“ fehlschlägt, geht C++ zur nächsten Position im Ziel und beginnt wieder mit der ersten Alternative alternative.

Im obigen Code wird „Schwein“ zugeordnet.

Passender Anfang oder Ende

Anfang

Wenn ^ am Anfang der Regex steht, kann der Anfangstext des Zielstrings mit der Regex übereinstimmen. Im folgenden Code ist der Start des Ziels „abc“, was abgeglichen wird:

Im folgenden Code findet kein Abgleich statt:

Hier steht „abc“ nicht am Anfang des Ziels.

Hinweis: Das Zirkumflex-Zeichen '^' ist ein Metazeichen am Anfang der Regex, das mit dem Anfang der Zielzeichenfolge übereinstimmt. Es ist immer noch ein Metazeichen am Anfang der Zeichenklasse, wo es die Klasse negiert.

Ende

Wenn $ am Ende der Regex steht, kann der Endtext des Zielstrings mit der Regex übereinstimmen. Im folgenden Code ist das Ende des Ziels „xyz“, das übereinstimmt:

Im folgenden Code findet kein Abgleich statt:

Hier ist „xyz“ nicht am Ende des Ziels.

Gruppierung

Klammern können verwendet werden, um Zeichen in einem Muster zu gruppieren. Betrachten Sie die folgende Regex:

Die Gruppe hier ist „Pianist“, umgeben von den Metazeichen ( und ). Es ist eigentlich eine Untergruppe, während „ein Konzert (Pianist)“ die ganze Gruppe ist. Folgendes berücksichtigen:

Hier ist die Untergruppe oder Teilzeichenfolge „Pianist ist gut“.

Teilsaiten mit gemeinsamen Teilen

Ein Buchhalter ist eine Person, die sich um Bücher kümmert. Stellen Sie sich eine Bibliothek mit Buchhalter und Bücherregal vor. Angenommen, eine der folgenden Zielzeichenfolgen befindet sich im Computer:

Angenommen, der Programmierer interessiert sich nicht dafür, welcher dieser Sätze im Computer ist. Dennoch ist sein Interesse zu wissen, ob „bookshelf“ oder „bookkeeper“ in der Zielzeichenfolge im Computer vorhanden ist. In diesem Fall kann seine Regex sein:

Wechsel verwenden.

Beachten Sie, dass „Buch“, das beiden Wörtern gemeinsam ist, zweimal in den beiden Wörtern im Muster eingegeben wurde. Um die doppelte Eingabe von „book“ zu vermeiden, sollte die Regex besser so geschrieben werden:

Hier die Gruppe „shelf|keeper“ Das Alternation-Metazeichen wurde noch verwendet, aber nicht für zwei lange Wörter. Es wurde für die beiden Endteile der beiden langen Wörter verwendet. C++ behandelt eine Gruppe als eine Entität. C++ sucht also nach „shelf“ oder „keeper“, die direkt nach „book“ kommen. Die Ausgabe des folgenden Codes ist „matched“:

„Bücherregal“ und nicht „Buchhalter“ wurden abgeglichen.

Die icase- und mehrzeiligen regex_constants

icase

Beim Abgleich wird standardmäßig zwischen Groß- und Kleinschreibung unterschieden. Es kann jedoch die Groß-/Kleinschreibung beachtet werden. Verwenden Sie dazu die regex::icase-Konstante wie im folgenden Code:

Die Ausgabe ist „angepasst“. „Feedback“ mit Großbuchstaben „F“ wurde also durch „Feed“ mit Kleinbuchstaben „f“ abgeglichen. „regex::icase“ wurde zum zweiten Argument des regex()-Konstruktors. Ohne dies würde die Anweisung keine Übereinstimmung ergeben.

Mehrzeilig

Betrachten Sie den folgenden Code:

Die Ausgabe ist „nicht abgestimmt“. Die Regex „^.*$“, stimmt mit der Zielzeichenfolge vom Anfang bis zum Ende überein. “.*” bedeutet jedes Zeichen außer \n, null oder mehrmals. Aufgrund der Zeilenumbrüche (\n) im Ziel gab es keine Übereinstimmung.

Das Ziel ist ein mehrzeiliger String. Damit '.' passend zum Newline-Zeichen muss die Konstante „regex::multiline“ gesetzt werden, das zweite Argument der regex()-Konstruktion. Der folgende Code veranschaulicht dies:

Übereinstimmung mit der gesamten Zielzeichenfolge

Um den gesamten Zielstring abzugleichen, der kein Zeilenumbruchzeichen (\n) enthält, kann die Funktion regex_match() verwendet werden. Diese Funktion unterscheidet sich von regex_search(). Der folgende Code veranschaulicht dies:

Hier gibt es ein Spiel. Beachten Sie jedoch, dass die Regex mit der gesamten Zielzeichenfolge übereinstimmt und die Zielzeichenfolge keine '\n' enthält.

Das match_results-Objekt

Die Funktion regex_search() kann ein Argument zwischen dem Ziel und dem Regex-Objekt annehmen. Dieses Argument ist das match_results-Objekt. Die gesamte übereinstimmende (Teil-)Zeichenfolge und die übereinstimmenden Teilzeichenfolgen können damit erkannt werden. Dieses Objekt ist ein spezielles Array mit Methoden. Der Objekttyp match_results ist cmatch (für String-Literale).

Übereinstimmungen erhalten

Betrachten Sie den folgenden Code:

Die Zielzeichenfolge enthält das Wort „Frau“. Die Ausgabe ist „woman“, was der Regex entspricht, „w.ich.n“. Bei Index Null enthält das spezielle Array die einzige Übereinstimmung, die „Frau“ ist.

Bei Klassenoptionen wird nur der erste im Ziel gefundene Teilstring an das spezielle Array gesendet. Der folgende Code veranschaulicht dies:

Die Ausgabe ist „Ratte“ von Index Null. m[1] und m[2] sind leer.

Bei Alternativen wird nur der erste im Ziel gefundene Teilstring an das spezielle Array gesendet. Der folgende Code veranschaulicht dies:

Die Ausgabe ist „Kaninchen“ von Index Null. m[1] und m[2] sind leer.

Gruppierungen

Wenn Gruppen beteiligt sind, geht das vollständige übereinstimmende Muster in die Zelle Null des speziellen Arrays. Die nächste gefundene Teilzeichenfolge geht in Zelle 1; der folgende Teilstring geht in Zelle 2; und so weiter. Der folgende Code veranschaulicht dies:

Die Ausgabe ist:

Beachten Sie, dass die Gruppe (Verkäufer) vor der Gruppe (Sel) steht.

Position des Spiels

Die Position der Übereinstimmung für jede Teilzeichenfolge im cmatch-Array kann bekannt sein. Die Zählung beginnt mit dem ersten Zeichen der Zielzeichenfolge an der Position Null. Der folgende Code veranschaulicht dies:

Beachten Sie die Verwendung der Positionseigenschaft mit dem Zellindex als Argument. Die Ausgabe ist:

Suchen und ersetzen

Ein neues Wort oder eine neue Wortgruppe kann die Übereinstimmung ersetzen. Dazu wird die Funktion regex_replace() verwendet. Diesmal ist die Zeichenfolge, in der die Ersetzung erfolgt, jedoch das Zeichenfolgenobjekt, nicht das Zeichenfolgenliteral. Die Stringbibliothek muss also im Programm enthalten sein. Illustration: