http://akk.fengsoft.com/regex .htm 發表人 - happosai 於 2003/07/16 12:25:41

Regex++ 簡介 （歡迎轉載，但請註明出處）    作者：八方齋 出處:http://akk.fengsoft.com/regex++.htm    E-mail：make.sense@msa.hinet.net    現職：某遊戲公司程式設計師。    P.S 感謝智峰軟體友情贊助網頁空間。    緣起： C++是一種強大無比的語言，但是有一樣功能卻是從 C 語言時代就一直被人詬病，那就是「字串」。當然，有些朋友認為 sprintf, sscanf 等就已經夠用了，甚至到了 C++ 時代，這些函數仍是程式員的最愛（包括在下），但是不可諱言的，這些函數的確有些跟不上時代（這些東西起碼有2X年的歷史了）。         首先，這些函數都缺乏 type-safe 的特性，因為這些函數的操作幾乎都依靠格式化字串，僅有的除錯資訊就是這些函數 run-time 時的回傳值，但是這些函數的回傳值只有告訴你成功轉換了幾個引數，卻沒有告訴你轉換失敗的是哪幾個，甚至應該轉換失敗的也轉換成功（如 float 不小心轉成 int ），這些也許都還可以歸咎程式員自己寫程式不夠細心，但是還有一個更糟糕的問題是，格式化字串的語法並非放諸四海而皆準。         讓我們來看看問題最嚴重的 sscanf （個人看法），讓我們思考下面這段程式：    char test_str[]=”aaa bbb”;    sscanf(test_str, “%s %s”, p1, p2); //p1, p2 is char*    你會發現引數 p2 永遠不會得到他想要的值， why？很簡單，因為 C 語言的字串是以 0 作為結尾，所以當 sscanf 看到第一個 %s 時，他會開始掃瞄 test_str 直到0為止，此時將字串拷貝給p1，結束執行，而p2什麼也得不到。老練的 C 程式員的解法是改用 strtok 將字串分解，這在C語言中是合理的解法，但是在C++中將 std::string::c_str() 丟給 strtok() 執行將是一場浩劫，原因是 strtok 對字串通常採取破壞的手段（填入0進行分隔）。除此之外，各位不妨思考一下為何C++ Builder、Delphi的String只有 sprintf 而沒有實作 sscanf ？         Regular Expression 讓我們看看另一種語言Perl，Perl眾所皆知對字串處理的能力超強，而程式可與Regular Expression[1]溶為一體，而Regular Expression（後面簡稱regex）更不用說了，熟習Linux操作的人很少沒有人用過它（grep, sed…），根據你所下的expression，可以很方便的對文字進行精確的search/replace；不要以為這樣的功能只存在於script language，事實上regex已經是UN*X標準配備（POSIX），連C語言也可以享用到！         就算在windows環境下，我們也有免費的C regex lib可用，PCRE(http://www.pcre.org/)就是十分知名的一套，大家常用的php, python等都有引用做為核心元件之一，不過PCRE本身並不好操作，參數多是一個原因，重點是PCRE操作的仍是C-style 字串，而非C++程式員熟習的std::string，當然我們可以透過一些包裝的手段來使得PCRE也可用在std::string之上；但是有了Regex++，我們就何苦重新發明輪子？         Regex++ Regex++[2]是一套完全以C++寫成的regex lib，支援VC、BCB、GCC等等C++ compiler，由於使用template的方式設計，於是不但可以用在std::string上，char*、甚至是stlport特有的rope都沒問題，聰明的你一定已經猜到，沒錯，他也是利用iterator的方式對字串操作，如此一來你在STL學到的知識仍然能用在Regex++身上，讓我們看看下面這個簡單的例子[3]：         bool validate_card_format(const std::string& s)    {            static const boost::regex e(“\\d{15,16}”);            return regex_match(s ,e);    }         這個函數的用途是檢查字串長度是不是15or16個字元，並且每個字元都必須是數字(0~9)，沒記錯的話這是用來檢查信用卡號碼的格式正不正確，\\d代表必須為數字，{15,16}則限制了長度必須在15~16之間。         現在我們討論一個更複雜的例子：         const boost::regex e(“\\A(\\d{3,4})[- ]?(\\d{4})[- ]?(\\d{4})[- ]?(\\d{4})\\z”);         const std::string machine_format(“\\1\\2\\3\\4”);    const std::string human_format(“\\1-\\2-\\3-\\4”);         std::string    machine_readable_card_number(const std::string& s)    {    std::string result = regex_merge(s, e, machine_format, boost::match_default | boost::format_sed | boost::format_no_copy);         if(result.size()==0)            throw std::runtime_error(“string is not a credit card number”);            return result;    }         std::string    human_readable_card_number(const std::string& s)    {            std::string result = regex_merge(s, e, human_format, boost, boost::match_default | boost::format_sed | boost::format_no_copy);         if(result.size()==0)                    throw std::runtime_error(“string is not a credit card number”);            return result;    }         machine_readable_card_number()的功能是把信用卡號碼轉成適合機器讀取的格式，比方說XXXX-XXXX-XXXX-XXXX是我們一般人習慣的格式，假設我們想把它存進database做為索引，以字串作為欄位格式似乎不是個好主意（效能比較差），所以你可以利用machine_readable_card_number()進行轉換，然後再用我們的老朋友atoi()或是istringstream轉成整數存入資料庫中。同樣的，為了讓user心情愉快，當我們從database中讀出這個整數時，可以利用human_readable_card_number()轉成一般人習慣的格式J         這裡大略解釋一下程式內容（假如你學過Perl，可以跳過這段），regex_merge的用途是「當字串符合pattern時，依據format進行合併」，pattern指的是第二個參數，format是三個參數，至於旗標暫時不用去管他，pattern中的\\A與\\z限制字串必須全部match，而不是片段，第一個小括號(\\d{3,4})對應到format中的\\1（以此類推），[]代表一個集合，[- ]代表”-“與space，加上”?”代表”-“與space只能有一個或零個。         Overloaded Operator >> 如果剛剛舉的例子還不能讓你感受到regex的強大威力，那接下來的範例肯定會讓你耳目一新，大家都知道istringstream的用法如下：    int a, b;    string str=”123 567”;    istringstream iss(str);    iss>>a>>b;    很顯然易見，istringstream是以空白作為區隔讀取字串，假設我們今天不想用空白而想用”,”呢？雖然istringstream也能設定format state讓我們作一些小改變，不過要是逗號旁多了一些空白，istringstream也能輕鬆處理嗎（假設這個字串是從某個設定檔中讀出，這個設定檔是由user自行輸入產生的）？起碼以筆者現在的C++功力，是無法簡單用istringstream完成的。         但是我們現在有了Regex++這個強力的武器，問題就簡單多了，Regex++有個template function - regex_search()可以對string進行搜尋，之前曾經提到可以要求Regex++對字串的比對是「完全吻合」，當然也可以要求Regex++「部分吻合」，這樣我們便可以設計一個pattern來搜尋以逗號作為分隔資料的字串，也許這樣講還是很模糊，我們來看看實際的程式：         typedef pair ConstStdStrPtrPair; template ConstStdStrPtrPair operator>>(ConstStdStrPtrPair lhs, T& rhs) { boost::match_results what; static boost::regex ",* *([^,\\s] ) *,*"); unsigned int flags = boost::match_default; if(boost::regex_search(lhs.first, lhs.second, what, expression, flags) && lhs.first!=lhs.second) { string buf(what[1].first, what[1].second); istringstream ss(buf); if( !(ss>>rhs) ) throw runtime_error("Convert Fail!"); lhs.first = what[0].second; } else throw runtime_error("Format Error or String End"); return lhs; } template ConstStdStrPtrPair operator>>(const std::string& lhs, T& rhs) { boost::match_results what; static boost::regex ",* *([^,\\s] ) *,*"); unsigned int flags = boost::match_default; ConstStdStrPtrPair ptrPair; ptrPair.first = lhs.begin(); ptrPair.second = lhs.end(); if(boost::regex_search(ptrPair.first, ptrPair.second, what, expression, flags) && ptrPair.first!=ptrPair.second) { string buf(what[1].first, what[1].second); istringstream ss(buf); if( !(ss>>rhs) ) throw runtime_error("Convert Fail!"); ptrPair.first = what[0].second; } else throw runtime_error("Format Error or String End"); return ptrPair; } 我先解釋第二個operator>>，第一個參數是string，第二個是欲取得的值，將字串的開頭跟結尾傳入regex_search()進行搜尋，若是符合格式，what會指向符合格式的子字串，what[0].second會指向符合格式的子字串結尾的下一個iterator，可以作為下一次搜尋的起點，所以我把它與字串結尾存入一pair作為回傳值，然後把這個pair寫成第一個operator>>的第一個參數，這樣從字串讀出資料時就如同istringstream一樣簡單： //example int a,b,c; string testString=”123,456,789”; testString>>a>>b>>c; 至於what[1].first與what[1].second可以很明白的看出是指向符合格式的子字串的開頭與結尾，這邊的作法是另外存成字串，透過istringstream轉出，最後檢查有沒有轉換成功。 心得： 如何？Rgex 是不是替你的C 程式設計生涯帶來了曙光？其實剛剛的例子還有改進的空間，最顯而易見的就是pattern是寫死在operator>>裡，有沒有辦法讓user自行決定？或是「另外存成字串，透過istringstream轉出」這樣的動作會不會造成記憶體上額外的開銷？有沒有什麼降低成本的辦法？這些就留給讀者去研究吧（假如你有什麼好點子請聯絡我，謝謝！） 事實上，作者已經利用Regex 完成了不少工作，例如html mail（透過indy發信，regex 則用來搜尋html中的影像檔並修改為outlook可讀取的格式），自訂的設定檔讀取模組（like INI），parse C語言函數參數的型別與參數名稱…就是因為它這麼好用，才有感而發覺得該寫篇文章推廣一下，希望對大家的平日的工作能有所幫助J 參考資料： [1] 學習Regular Expression，國內就有幾個不錯的網站： http://www.cyut.edu.tw/~ckhung/olbook/gnulinux/regexp.shtml 這是朝陽科技大學資管系洪朝貴老師寫的，內容有點亂，不過用Perl配合著練習會好很多。 http://phi.sinica.edu.tw/aspac/reports/94/94019/ 中央研究院計算中心寫的一份簡介 http://main.rtfiber.com.tw/~changyj/ 事實上，國內我還沒看過比龍門少尉寫的更淺顯易懂的（強力推薦） [2] http://ourworld.compuserve.com/homepages/John_Maddock/regexpp.htm [3] 這兩個例子取自Regex 作者在Dr. Dobb’s Journal October 2001發表的文章”Regular Expressions in C ”，個人認為這篇文章是個很好的入門教材，Regex 本身的範例實在有點嚇人。

------
～～～Delphi K.Top討論區站長～～～

主題應該就是: 介紹 C++ 的 reg function 吧.. 跟 C++ 字串處理遜不遜關係不大 < > 這篇文章寫的不錯, 值得推薦 < >

引言: 主題應該就是: 介紹 C 的 reg function 吧.. 跟 C 字串處理遜不遜關係不大 < > 這篇文章寫的不錯, 值得推薦 < >

我勒！主題怎麼被改了！？版主對主題有意見也請通知一下吧，這樣隨便改 別人的主題很不禮貌喔...況且改成"介紹 C 的 reg function"我想很多人 還以為是介紹registry...@@

呃.. 因為小弟的建議造成 happosai 兄的誤會.. 先在此表達深深的歉意  > 再次致歉...

引言: 我勒！主題怎麼被改了！？版主對主題有意見也請通知一下吧，這樣隨便改 別人的主題很不禮貌喔...況且改成"介紹 C 的 reg function"我想很多人 還以為是介紹registry...@@

很抱歉,是站長修改的,不是版主修改的! 我是覺的"覺得C 字串處理很遜？",這樣的主題會讓人不了解文章的目的, 修改成為"介紹 C 的 reg function",的確不恰當, 也請您再幫忙想個主題,謝謝! 暫時改為:"覺得C 字串處理很遜？請看！(Regex 簡介) " ～～～Delphi K.Top討論區站長～～～

原來的床不太穩，來個新的... http://home.pchome.com.tw/home/happosai/regex .htm

regex++ 好怪，比起php 裡面的 ereg, preg差好多
明明在php 裡面正常的regex，到了 regex 裡面硬是亂抓

遲來的回應，您可以改用 PCRE

http://www.pcre.org/