2.10 使用正则表达式解析字符串的内容

在上一节中，我们了解了如何使用std::regex_match()来验证字符串的内容是否匹配特定的格式。而标准库提供了另一种称为std::regex_search()的算法，它针对字符串的任意部分匹配正则表达式，而不是像regex_match()那样只匹配整个字符串。但是，这个函数不允许我们搜索输入字符串中出现的所有正则表达式，为此我们需要使用库中可用的一个迭代器类。

在本节中，我们将学习如何使用正则表达式解析字符串的内容。因此，我们将考虑如何解析包含name=value的文本文件的问题。每一行都定义格式为name=value这样的键值对，但是以#开头的行表示注释，我们必须忽略这样的行。举例如下：

在查看实现细节之前，我们来考虑一些先决条件。

2.10.1 准备工作

有关C++11支持正则表达式的相关知识，请参阅2.9节。若想继续阅读本节内容，你需要具备正则表达式的基本知识。

在下面的例子中，text变量的定义如下：

这样做的唯一目的是简化代码片段，尽管在实际示例中，可能要从文件或其他源中读取文本。

2.10.2 使用方式

为了搜索正则表达式在字符串中出现的次数，应该执行以下操作：

❍ 包含头文件<regex>和<string>以及命名空间std::string_literals（C++14标准字符串可以使用的用户自定义字面量）：

❍ 使用原始字符串字面量来指定正则表达式，以避免转义反斜杠（因为这可能时常发生）。以下正则表达式可验证前面提到的文件格式：

❍ 创建std::regex或std::wregex对象（具体取决于所使用的字符集）来封装正则表达式：

❍ 要查找正则表达式第一次匹配的文本，可以使用通用算法std::regex_search()（示例1）：

❍ 要查找正则表达式匹配的所有文本，可以使用迭代器std::regex_iterator（示例2）：

❍ 要遍历匹配的所有子表达式，可以使用迭代器std::regex_token_iterator（示例3）：

2.10.3 工作原理

一个简单的正则表达式可以解析之前输入的文本，如下所示：

这个正则表达式应该忽略所有以#开头的行，对于那些不以#开头的，需要匹配名称和名称后面的等号，以及一个可以由字母数字字符和其他字符（如下划线、点、逗号等）组成的值。该正则表达式的确切描述如表2.3所示。

我们可以使用std::regex_search()在输入文本的任何位置搜索匹配项。这个算法有几个重载版本，但一般而言它们的工作方式基本相同。必须要给定处理的字符范围、包含输出结果的std::match_results对象和正则表达式std::basic_regex对象以及匹配标志（定义了完成搜索的方式）。如果找到匹配项，函数返回true，否则返回false。

在上一节的示例1中（参见第4行），match是std::smatch（std::match_results的别名）的一个实例，它以string::const_iterator作为模板类型。如果找到匹配项，该对象以序列的形式包含所有匹配子表达式的匹配信息。索引0处的子匹配项始终匹配整个字符串；索引1处的子匹配项是该序列匹配的第一个子表达式；索引2处的子匹配项是该序列匹配的第二个子表达式，以此类推。因为正则表达式中有两个捕获组（它们是子表达式），如果匹配成功，std::match_results将有3个子匹配项。表示名称的标识符的索引为1，等号后面的值的索引为2。因此，这段代码只打印图2.4所示的内容。

std::regex_search()算法不能遍历一段文本中所有可能的匹配项，因此，我们需要使用迭代器，于是就有了std::regex_iterator。它不仅可以遍历所有匹配项，还允许访问匹配的所有子匹配项。

迭代器实际上会在构造和自增时调用std::regex_search()算法，并且会记住调用产生的std::match_results。默认构造函数创建一个迭代器，该迭代器指向序列的结尾，可用于测试匹配循环何时应该停止。

在上一节的示例2中（参见列表的第5项），我们首先创建一个序列end迭代器，然后开始遍历所有可能的匹配项。当它被构造时，它将调用std::regex_match()，如果找到了匹配项，就可以通过当前迭代器访问其结果。此过程一直继续下去，直到找不到匹配项（即到达序列结尾）。这段代码将会打印图2.5所示的输出结果。

std::regex_iterator的替代选择是std::regex_token_iterator，它与std::regex_iterator的工作方式类似。事实上，它在内部包含了一个允许我们从匹配项访问特定子表达式的迭代器，这从上一节的示例3中可以看到（见列表第6项）。我们首先要创建序列的end迭代器，然后遍历匹配项，直到到达序列结尾。在我们使用的构造函数中，因为没有指定要通过迭代器访问的子表达式的索引，所以使用默认值0，这也意味着该程序将打印所有匹配项，如图2.6所示。

如果只想访问第一个子表达式（在我们的例子中这意味着名称），所要做的就是在token迭代器的构造函数中指定子表达式的索引，如下所示：

这一次，我们得到的输出只包含名称，如图2.7所示。

token迭代器的一个有趣之处在于，如果子表达式的索引为-1，它可以返回字符串中不匹配的部分，在这种情况下，它返回一个std::match_results对象，该对象保存最后一个匹配项的位置和序列结尾之间的字符序列：

这个程序将输出图2.8所示的内容。

请注意，输出中的空行对应于空项。

2.10.4 延伸阅读

❍ 阅读2.9节，以了解C++库对正则表达式的支持。

❍ 阅读2.11节，以了解如何在文本中对一个模式进行多项匹配。 MV+ZDy+b97i2Qp+f05APlT6Ln+0mYTuTiD4jiAleBjS1CeK8vdynWXmEMoSLwTJH