Základy regulárnych výrazov v C ++

Funkcia regex_search () vráti true, ak existuje zhoda, a vráti false, ak nedôjde k zhode. Tu funkcia prijíma dva argumenty: prvý je cieľový reťazec a druhý je objekt regulárneho výrazu. Samotný regulárny výraz je v dvojitých úvodzovkách „človek“. Prvý príkaz vo funkcii main () tvorí objekt regulárneho výrazu. Regulárny výraz je typ a reg je objekt regulárneho výrazu. Výstup vyššie uvedeného programu je „zhodný“, pretože v cieľovom reťazci je vidieť „človek“. Ak by „man“ nebol viditeľný v cieli, regex_search () by vrátil hodnotu false a výstup by sa „nezhodoval“.

Výstup nasledujúceho kódu je „nezodpovedá“:

Nezhoduje sa, pretože regulárny výraz „man“ sa nenašiel v celom cieľovom reťazci: „Toto je moja tvorba.„

Vzor

Regulárny výraz „muž“ vyššie je veľmi jednoduchý. Regulárne výrazy zvyčajne nie sú také jednoduché. Regulárne výrazy majú metaznaky. Metaznaky sú znaky so zvláštnym významom. Metaznak je postava o znakoch. Metaznaky regulárneho výrazu C ++ sú:

Regulárny výraz, s metaznakmi alebo bez nich, je vzor.

Triedy znakov

Hranaté zátvorky

Vzor môže mať znaky v hranatých zátvorkách. S týmto by sa konkrétna pozícia v cieľovom reťazci zhodovala s ľubovoľnými znakmi v hranatých zátvorkách. Zvážte nasledujúce ciele:

Regulárny výraz, [cbr] at by sa zhodoval s mačkou v prvom terči. Zhodovalo by sa to s pálkou v druhom terči. V treťom terči by sa to zhodovalo s potkanom. Je to preto, že „mačka“ alebo „netopier“ alebo „potkan“ začína na „c“ alebo „b“ alebo „r“. Ilustruje to nasledujúci segment kódu:

Výstup je:

Rozsah znakov

Trieda [cbr] vo vzore [cbr] by zodpovedala niekoľkým možným znakom v cieli. Zhoduje sa s „c“ alebo „b“ alebo „r“ v cieli. Ak terč nemá žiadne z „c“ alebo „b“ alebo „r“, za ktorými nasleduje „at“, nedôjde k zhode.

V rozsahu existujú niektoré možnosti ako „c“ alebo „b“ alebo „r“. Rozsah číslic od 0 do 9 má 10 možností a vzor pre to je [0-9]. Rozsah malých písmen od a do z má 26 možností a vzor pre ne je [a-z]. Rozsah veľkých písmen od A do Z má 26 možností a vzor pre ne je [A-Z]. - nie je oficiálne metaznakom, ale v hranatých zátvorkách by to znamenalo rozsah. Nasledujúce vytvorí zhodu:

Všimnite si, ako bol regex skonštruovaný ako druhý argument. Zhoda nastáva medzi číslicou, 6 v rozsahu, 0 až 9, a 6 v terči, „ID6id“. Vyššie uvedený kód je ekvivalentný s:

Nasledujúci kód vytvorí zhodu:

Všimnite si, že prvý argument tu je premenná reťazca a nie reťazcový literál. Zhoda je medzi „i“ v [a-z] a „i“ v „ID6iE“.

Nezabudnite, že rozsah je trieda. Vo vzore môže byť text napravo od rozsahu alebo naľavo od rozsahu. Nasledujúci kód vytvorí zhodu:

Zhoda je medzi „ID [0-9] id“ a „ID2id“. Zvyšok cieľového reťazca „je ID“ sa v tejto situácii nezhoduje.

Ako sa používa v predmete regulárneho výrazu (regulárne výrazy), slovo trieda v skutočnosti znamená množinu. To znamená, že jedna z postáv v súprave sa má zhodovať.

Poznámka: Pomlčka - je metaznak iba v hranatých zátvorkách, čo naznačuje rozsah. Nejde o metaznak v regexe, mimo hranatých zátvoriek.

Negácia

Triedu zahŕňajúcu rozsah je možné negovať. To znamená, že by sa nemali zhodovať žiadne znaky v množine (triede). Toto je označené ^ metaznakom na začiatku vzoru triedy, hneď za úvodnou hranatou zátvorkou. [^ 0-9] znamená, že sa znak zhoduje na príslušnej pozícii v cieli, čo nie je žiadny znak v rozsahu od 0 do 9 vrátane. Nasledujúci kód teda nevytvorí zhodu:

Číslicu v rozmedzí od 0 do 9 nájdete na ktorejkoľvek z pozícií cieľového reťazca „0123456789101112“; takže neexistuje zhoda - negácia.

Nasledujúci kód vytvorí zhodu:

V cieli „ABCDEFGHIJ“ sa nenašla žiadna číslica; takže je zhoda.

[a-z] je rozsah mimo [^ a-z]. A tak [^ a-z] je negácia [a-z].

[A-Z] je rozsah mimo [^ A-Z]. A tak [^ A-Z] je negácia [A-Z].

Existujú ďalšie negácie.

Zodpovedajúce medzery

"alebo \ t alebo \ r alebo \ n alebo \ f je prázdny znak. V nasledujúcom kóde sa regulárny výraz „\ n“ zhoduje s „\ n“ v cieli:

Zhoduje sa s ľubovoľnou medzerou

Vzor alebo trieda, ktorá sa zhoduje s ľubovoľným znakom prázdneho miesta, je [\ t \ r \ n \ f]. V nasledujúcom kóde je zhoda „:

Zhoduje sa s ľubovoľným znakom iného ako prázdneho miesta

Vzor alebo trieda, ktorá sa zhoduje s akýmkoľvek znakom iného ako prázdneho miesta, je [^ \ t \ r \ n \ f]. Nasledujúci kód vytvorí zhodu, pretože v cieli nie sú medzery:

Perióda (.) vo vzore

Perióda (.) vo vzore sa zhoduje s ľubovoľným znakom vrátane jeho samotného, ​​okrem \ n v cieli. Zhoda sa vytvorí v nasledujúcom kóde:

V nasledujúcom kóde nie sú výsledky zodpovedajúce, pretože cieľ je „\ n“.

Poznámka: Vo vnútri triedy znakov so hranatými zátvorkami nemá bodka žiadny zvláštny význam.

Zhodné opakovania

Znak alebo skupina znakov sa v cieľovom reťazci môže vyskytnúť viackrát. Tomuto opakovaniu môže zodpovedať vzor. Metaznaky, ?, *, + a sa používajú na porovnanie opakovania v cieli. Ak je znakom záujmu v cieľovom reťazci x, potom majú metaznaky nasledujúci význam:

Tieto metaznaky sa nazývajú kvantifikátory.

Ilustrácie

*

* Sa zhoduje s predchádzajúcim znakom alebo predchádzajúcou skupinou, nula alebo viackrát. „O *“ sa zhoduje s „o“ v „psovi“ cieľového reťazca. Zhoduje sa tiež s výrazom „oo“ v „knihe“ a „hľadanie“. Regulárny výraz „o *“ sa zhoduje s výrazom „boooo“ v stĺpci „The animal booooed“.“. Poznámka: „o *“ sa zhoduje s „dig“, kde „o“ nastáva nula (alebo viac) času.

+

Znamienko + sa zhoduje s predchádzajúcim znakom alebo predchádzajúcou skupinou 1 alebo viackrát. Porovnajte to s nulou alebo viackrát za *. Takže regulárny výraz „e +“ sa zhoduje s „e“ v „jedení“, kde sa „e“ vyskytne jedenkrát. „E +“ sa tiež zhoduje s „ee“ v „ovciach“, kde sa „e“ vyskytuje viackrát. Poznámka: „e +“ sa nebude zhodovať s „dig“, pretože v „dig“ sa „e“ nevyskytuje najmenej raz.

?

The ? zodpovedá predchádzajúcemu znaku alebo predchádzajúcej skupine, 0 alebo 1 krát (a nie viac). Takže „napr?”Sa zhoduje s„ dig “, pretože„ e “sa vyskytuje v„ dig “, nulový čas. „E?”Sa zhoduje s“ set ”, pretože„ e “sa vyskytuje v„ set “, raz. Poznámka: „napr?”Stále sa zhoduje s“ ovcou ”; aj keď v „ovciach“ sú dve. Existuje tu jedna nuance - pozri neskôr.

n,

To zodpovedá najmenej n po sebe idúcich opakovaní predchádzajúceho znaku alebo predchádzajúcej skupiny. Takže regulárny výraz „e 2,“ zodpovedá dvom „e“ v cieli „ovce“ a trom „e“ v terči „ovce“. „E 2,“ sa nezhoduje s „set“, pretože „set“ má iba jedno „e“.

n

To zodpovedá presne n po sebe idúcich opakovaní predchádzajúceho znaku alebo predchádzajúcej skupiny. Takže regulárny výraz „e 2“ zodpovedá dvom „e“ v cieľovom slove „ovce“. „E 2“ sa nezhoduje s „set“, pretože „set“ má iba jedno „e“. „E 2“ sa zhoduje s dvoma v cieľovom poli, „ovce“. Existuje tu jedna nuance - pozri neskôr.

n, m

Zhoduje sa to s niekoľkými po sebe nasledujúcimi opakovaniami predchádzajúceho znaku alebo predchádzajúcej skupiny kdekoľvek od n do m vrátane. „E 1,3“ teda nezodpovedá ničomu v „dig“, ktorý nemá „e“. Zodpovedá jednému „e“ v „súbore“, dvom „e“ v „ovci“, trom „e“ v „ovci“ a trom „e“ v „sheeeep“. V poslednom zápase je nuansa - pozri neskôr.

Zhodné striedanie

Zvážte nasledujúci cieľový reťazec v počítači.

"Na farme sa nachádzajú ošípané rôznych veľkostí.".“

Programátor môže chcieť vedieť, či má tento cieľ „kozu“, „králika“ alebo „prasa“. Kód bude vyzerať takto:

Kód vytvorí zhodu. Všimnite si použitie znaku alternácie,. Môžu existovať dve, tri, štyri a viac možností. C ++ sa najskôr pokúsi nájsť zhodu s prvou alternatívou, „kozou“, na každej pozícii znaku v cieľovom reťazci. Ak neuspeje s „kozou“, vyskúša ďalšiu alternatívu, „zajačiu“. Ak s „králikom“ neuspeje, vyskúša ďalšiu alternatívu, „prasa“. Ak „prasa“ zlyhá, potom C ++ prejde na ďalšiu pozíciu v cieli a znova začne s prvou alternatívou.

Vo vyššie uvedenom kóde je zhoda „prasa“.

Začiatok alebo koniec zápasu

Začiatok

Ak je ^ na začiatku regulárneho výrazu, potom sa počiatočný text cieľového reťazca môže zhodovať s regulárnym výrazom. V nasledujúcom kóde je začiatok cieľa „abc“, ktoré sa zhoduje:

V nasledujúcom kóde sa neuskutočňuje žiadna zhoda:

Slovo „abc“ tu nie je na začiatku cieľa.

Poznámka: Znak háčika „^“ je metaznak na začiatku regulárneho výrazu, ktorý sa zhoduje so začiatkom cieľového reťazca. Stále je to metaznak na začiatku triedy znakov, kde triedu neguje.

Koniec

Ak je $ na konci regulárneho výrazu, potom sa výsledný text cieľového reťazca môže zhodovať s regulárnym výrazom. V nasledujúcom kóde je koniec cieľa „xyz“, ktorý sa zhoduje:

V nasledujúcom kóde sa neuskutočňuje žiadna zhoda:

Výraz „xyz“ tu nie je na konci cieľa.

Zoskupenie

Závorky možno použiť na zoskupenie znakov do vzoru. Zvážte nasledujúci regulárny výraz:

Skupina je „klaviristka“ obklopená metaznakmi (a). Je to vlastne podskupina, zatiaľ čo „koncert (klavirista)“ je celá skupina. Zvážte nasledovné:

Podskupina alebo podreťazec je tu: „klavirista je dobrý“.

Vedľajšie reťazce so spoločnými časťami

Účtovník je človek, ktorý sa stará o knihy. Predstavte si knižnicu s účtovníkom a policou na knihy. Predpokladajme, že jeden z nasledujúcich cieľových reťazcov je v počítači:

Predpokladajme, že programátorovým záujmom nie je vedieť, ktorá z týchto viet je v počítači. Napriek tomu je jeho záujmom vedieť, či je „knižnica“ alebo „účtovník“ prítomná v ľubovoľnom cieľovom reťazci v počítači. V tomto prípade môže byť jeho regex:

Pomocou alternácie.

Všimnite si, že „kniha“, ktorá je spoločná pre obe slová, bola napísaná dvakrát, do dvoch slov vo vzore. Aby ste sa vyhli dvojitému písaniu knihy, regulárny výraz by mal byť lepšie napísaný ako:

Tu sa skupina „police | strážca“ Alternatívna metaznak stále používa, ale nie na dve dlhé slová. Používa sa pre dve koncové časti týchto dvoch dlhých slov. C ++ zaobchádza so skupinou ako s entitou. C ++ teda bude hľadať „poličku“ alebo „strážcu“, ktorý príde bezprostredne po „knihe“. Výstup nasledujúceho kódu je „zhodný“:

„Regál“ a nie „účtovník“ boli priradené.

Iseca a viacriadkové regulárne regulárne výrazy

icase

Pri porovnávaní sa predvolene rozlišujú veľké a malé písmená. Môže sa však stať, že sa v ňom nebudú rozlišovať malé a veľké písmená. Aby ste to dosiahli, použite konštantu regex :: icase, ako v nasledujúcom kóde:

Výstup je „zhodný“. Takže „Spätná väzba“ s veľkým písmenom „F“ bola zhoda s výrazom „Feedback“ s malými písmenami „f“. “Regex :: icase” sa stal druhým argumentom konštruktora regex (). Bez toho by vyhlásenie neprinieslo zhodu.

Viacriadkový

Zvážte nasledujúci kód:

Výstup „sa nezhoduje“. Regulárny výraz „^.* $, ”Zodpovedá cieľovému reťazcu od jeho začiatku do konca. „.* ”Znamená akýkoľvek znak okrem \ n, nula alebo viackrát. Kvôli znakom nového riadku (\ n) v cieli teda nedošlo k nijakej zhode.

Terč je viacriadkový reťazec. Za účelom.„aby sa znak znaku nového riadku zhodoval, je potrebné urobiť konštantu„ regex :: multiline “, druhý argument konštrukcie regex (). Ilustruje to nasledujúci kód:

Zhoda celého cieľového reťazca

Na zosúladenie celého cieľového reťazca, ktorý nemá znak nového riadku (\ n), možno použiť funkciu regex_match (). Táto funkcia sa líši od regex_search (). Ilustruje to nasledujúci kód:

Je tu zhoda. Upozorňujeme však, že regex sa zhoduje s celým cieľovým reťazcom a cieľový reťazec nemá žiadny znak „\ n“.

Objekt match_results

Funkcia regex_search () môže prijať argument medzi cieľom a objektom regulárneho výrazu. Tento argument je objekt match_results. Je možné s ním spoznať celý zladený (časť) reťazca a zhodné podriadené reťazce. Tento objekt je špeciálne pole s metódami. Typ objektu match_results je cmatch (pre reťazcové literály).

Získavanie zápasov

Zvážte nasledujúci kód:

Cieľový reťazec má slovo „žena“. Výstup je „žena“, čo zodpovedá regulárnemu výrazu, „w.m.n ”. Pri indexe nula obsahuje špeciálne pole jedinú zhodu, ktorou je „žena“.

S voľbami triedy sa do špeciálneho poľa odošle iba prvý podreťazec nájdený v cieli. Ilustruje to nasledujúci kód:

Výstup je „rat“ z indexu nula. m [1] a m [2] sú prázdne.

Pri alternatívach sa do špeciálneho poľa odošle iba prvý podreťazec nájdený v cieli. Ilustruje to nasledujúci kód:

Výstup je „králik“ z nulového indexu. m [1] a m [2] sú prázdne.

Zoskupenia

Keď sú zapojené skupiny, kompletný vzor sa zhoduje, ide do bunky nula špeciálneho poľa. Nasledujúci nájdený podreťazec ide do bunky 1; nasledujúci podreťazec, ide do bunky 2; a tak ďalej. Ilustruje to nasledujúci kód:

Výstup je:

Upozorňujeme, že skupina (predajca) je pred skupinou (ja).

Pozícia zápasu

Pozícia zhody pre každý podreťazec v poli cmatch je známa. Počítanie začína od prvého znaku cieľového reťazca na pozícii nula. Ilustruje to nasledujúci kód:

Všimnite si použitie vlastnosti position s indexom bunky ako argument. Výstup je:

Vyhľadať a nahradiť

Zhoda môže nahradiť nové slovo alebo frázu. Používa sa na to funkcia regex_replace (). Tentokrát je však reťazcom, kde dôjde k zámene, objekt reťazca, nie reťazcový literál. Takže do programu musí byť zahrnutá knižnica reťazcov. Ilustrácia: