正则表达式详解<一>

正则表达式是一种处理字符串的微型语言；有以下的基本术语：

l 模式(pattern)：正则表达式实际上是通过字符串表达的一个模式

l 匹配(match): 判断正则表达式和给出的序列[first , last),是否全部匹配

l 搜索(search):判断在给定的序列里是否存在和正则表达式匹配的子字符串

l 替换(replace):将匹配到的子字符串替换成其他的字符串

在C++里边默认的语法是ECMAScript,这是最强大的正则表达式的语法；

1. ECMAScript语法

1. 锚点（anchor）

特殊字符^和$是锚点，分别匹配到字符串的开头和结尾。例如：^text$，表达的意思就是只匹配text字符串

2.通配符（wildcard）

可以用来匹配除了换行符以外的任何字符，例如：正则表达式是：a.b，可以匹配到abc,adb,

但是不可是：acdb

3.替换

A|B 可以匹配到A或则是B

4.分组(捕获组)

例如：(.)(ab|cd)(.)其中有三个标记的子表达式，例如输入1ab5则可以捕获到，1 。 ab。5这仨个捕获组。

5.重复

* 表示匹配零次或则多次之前的部分。例如：a*b 可以匹配到b , ab , aab , aaab

+ 表示匹配一次以及一次以上之前的部分,例如:a+b可以匹配到ab , aab但是不能是b

? 表示匹配到零次或是一次以前的部分，例如: a ? b 可以匹配到ab , b 但是不能位 aab

{…}表示区间重复,a{n}表示匹配到的a刚好位n个，a{n,}表示匹配到的a为n位或则n位以上；a{n,m}表示匹配到的a的个数位>=n和<=m个；

6.贪婪匹配和非贪婪匹配

输入字符串位: aaabbb

贪婪匹配：正则表达式：(a+)(ab)*(b+) ,匹配到:”aaa””””bbb”

非贪婪匹配：正则表达式：(a+?)(ab)*(b+)匹配到：“aa“”ab””bb”;

7.优先级

第一：元素本身

第二：量词：+，* ，？ {…}

第三：串联：例如ab+c在量词之后绑定

第四：替代符| ，最后绑定

例如：正则表达式：ab+c|d,会匹配到abc, abbc , d , 如果添加括号,ab+(c|d)则匹配到

, abc , abbc , abd abbd

8，字符集合匹配

[a-z]表示可以匹配到a到z之间的任意一个字符,(注意是任意一个，而不是多个)

[a-zA-Z]表示可以匹配到a到z以及A到Z之间对的任意一个字符；

另一种方法是使用某种字符类，表示方法[:name:]例如：

[[:digit:]]表示可以匹配到0~9之间的任意一个数字；

这里的name可以是以下：

Name	Expression
digit	数字
d	和digit一样
xdigit	数字和表示16进制的abcdef或则ABCDEF
alpha	字母字符所有的大小写
alnum	Alpha和digit的组合
w	和alnum一样
lower	小写字母
upper	大写字母
blank	一行文本中分割单词的空格符
punct	标点符号字符，包括不是alnum意外的所有图形字符

应用：

问题：表示0~9的任意一个以及多个数字的匹配

解答：（1）[0-9]+

(2) [[:digit:]]+

(3) [[:d:]]+

(4) \d+

问题：匹配除了小写字母以外的任意字符

解答：(1) [[:upper:]]

(2) [^[:lower:]]

9.后向引用

\n n是>0的整数，表示第n个捕捉组，例如：

正则表达式：（[:d:]*）-.*-\1

可以匹配到：123-abc-123 , 789-kdf-789 , 9-m-9

但是不可是：123-abc-1234,必须是123,和第一个捕获组一样的内容；

10.C++里的转义

转移\d，在C++里应该将其转移，因为\是特殊字符在C++里，所以需要转移，转义位：

\\d.

转移\,这个更加麻烦。应该转译为：\\\\

例如：
正则表达式：（ |\\n|\\r|\\\\）

搜索空格
，换行符，回车符，反斜杠；

巴特西