Rendszeres kifejezés alapjai a C ++ nyelven

A regex_search () függvény true-t ad vissza, ha van egyezés, és false-t ad vissza, ha nem történik egyezés. Itt a függvénynek két argumentuma van: az első a cél karaktersorozat, a második a regex objektum. Maga a regex "ember", dupla idézőjelben. A main () függvény első állítása alkotja a regex objektumot. A Regex egy típus, a reg pedig a regex objektum. A fenti program kimenete "egyezik", mivel a "man" látható a cél karaktersorozatban. Ha az "ember" nem látható a célban, akkor a regex_search () hamis értéket adott volna vissza, és a kimenet "nem egyeztetne".

A következő kód kimenete „nem egyezik”:

Nem egyezik, mert a regex "man" nem található a teljes célsztringben: "Itt van az én készítésem."

Minta

A fenti „ember” reguláris kifejezés nagyon egyszerű. A regexek általában nem ilyen egyszerűek. A reguláris kifejezések metakarakterekkel rendelkeznek. A metakarakterek különleges jelentéssel bíró karakterek. A metakarakter a karakterekről szóló karakter. A C ++ regex metakarakterek a következők:

A regex, metakarakterekkel vagy anélkül, egy minta.

Karakterosztályok

Szögletes zárójelek

A mintának szögletes zárójelben lehetnek karakterei. Ezzel a cél karaktersorozat egy bizonyos helyzete megegyezik a szögletes zárójelben szereplő karakterekkel. Vegye figyelembe a következő célokat:

A regex, [cbr] at, megegyezik a macskával az első célpontban. Megfelelne a denevérnek a második célpontban. Megtalálná a patkányt a harmadik célpontban. Ennek oka, hogy a „macska”, a „denevér” vagy a „patkány” „c” vagy „b” vagy „r” betűvel kezdődik. A következő kódszegmens ezt szemlélteti:

A kimenet:

Karakterek köre

Az osztály, a [cbr] a [cbr] mintában, több lehetséges karaktert illeszt a célba. Megfelelne a célban a „c”, „b” vagy „r” betűnek. Ha a célpontban nincs „c”, „b” vagy „r”, majd „at”, akkor nem lesz egyezés.

Néhány lehetőség, például a „c”, „b” vagy „r”, létezik egy tartományban. A 0 és 9 közötti számjegytartománynak 10 lehetősége van, és ennek mintája [0-9]. A kisbetűk tartománya, az a – z, 26 lehetőséggel rendelkezik, és ennek mintája [a-z]. A nagybetűk tartománya, A-tól Z-ig, 26 lehetőséggel rendelkezik, és ennek mintája [A-Z]. - hivatalosan nem metakarakter, de szögletes zárójelben egy tartományt jelöl. Tehát a következő eredményez egyezést:

Vegye figyelembe, hogy a regexet hogyan építették fel második argumentumként. Az egyezés a számjegy, a tartomány 6, 0 és 9 között, és a cél 6 között található, „ID6id”. A fenti kód megegyezik:

A következő kód egyezést eredményez:

Vegye figyelembe, hogy az első argumentum egy string változó, és nem a string literal. A mérkőzés „i” a [a-z] -ben és „i” között van az „ID6iE” -ben.

Ne felejtsük el, hogy a tartomány egy osztály. A mintában a tartománytól jobbra vagy a tartománytól balra lehet szöveg. A következő kód egyezést eredményez:

Az egyezés az „ID [0-9] id” és az „ID2id” között van. A cél karaktersorozat többi része, „egy azonosító”, nem egyezik ebben a helyzetben.

A reguláris kifejezés alatt (regexes) az osztály szó valójában halmazt jelent. Vagyis a készletben szereplő karakterek egyeznek.

Megjegyzés: A kötőjel - csak szögletes zárójelben lévő metakarakter, amely egy tartományt jelöl. Ez nem metakarakter a regexben, a szögletes zárójelben kívül.

Tagadás

Egy osztály, amely egy tartományt tartalmaz, tagadható. Vagyis a halmaz (osztály) karaktereinek nem egyeznek meg. Ezt az osztályminta elején, közvetlenül a nyitó szögletes zárójel után a ^ metakarakter jelzi. Tehát a [^ 0-9] azt jelenti, hogy a karakter illeszkedik a cél megfelelő pozíciójába, amely nem egy karakter a 0–9 közötti tartományban. Tehát a következő kód nem eredményez egyezést:

A 0 és 9 közötti számjegy található a célhúrok bármelyik pozíciójában, „0123456789101112”; tehát nincs egyezés - tagadás.

A következő kód egyezést eredményez:

Nem található számjegy a célpontban, „ABCDEFGHIJ”; szóval van meccs.

[a-z] egy tartomány, amely kívül esik [^ a-z]. Tehát [^ a-z] az [a-z] tagadása.

[A-Z] egy tartomány, amely kívül esik [^ A-Z]. Tehát [^ A-Z] az [A-Z] tagadása.

Más negációk léteznek.

A szóközök egyezése

"vagy \ t vagy \ r vagy \ n vagy \ f egy szóköz karakter. A következő kódban a „\ n” regex, a „\ n” kifejezés megegyezik a célban:

Bármely Whitespace karakter illesztése

A minta vagy osztály, amely megfelel bármely szóköz karakternek, a következő: [\ t \ r \ n \ f]. A következő kódban a "egyezik:

Bármely nem fehér szóköz karakter beillesztése

A nem fehér szóköz karaktereinek megfelelő minta vagy osztály: [^ \ t \ r \ n \ f]. A következő kód egyezést eredményez, mert a szóközben nincs szóköz:

A periódus (.) a Mintában

A periódus (.) a mintában minden karakter megegyezik, beleértve önmagát is, a \ n kivételével a célban. A mérkőzés a következő kóddal készül:

Nincs megfelelő találat a következő kódban, mert a cél „\ n”.

Megjegyzés: A szögletes zárójeles karakterosztályban a periódusnak nincs különösebb jelentése.

Ismétlések egyeztetése

Egy karakter vagy karaktercsoport többször is előfordulhat a cél karaktersorozaton belül. Egy minta megfelel ennek az ismétlésnek. A metakarakterek, ?, A *, + és a karakterek a cél ismétlésének megfelelővé tételére szolgálnak. Ha x az érdeklődő karakter a célláncban, akkor a metakarakterek a következő jelentéssel bírnak:

Ezeket a metakaraktereket kvantoroknak nevezzük.

Illusztrációk

*

A * nulla vagy többször megegyezik az előző karakterrel vagy az előző csoporttal. Az „o *” megegyezik az o-val a cél karakterlánc „kutyájában”. A „könyvben” és a „kinézetben” is megfelel az „oo” szónak. A regex, az „o *” megegyezik a „boooo” szóval az „Az állat booooed.”. Megjegyzés: Az „o *” megfelel a „dig” szónak, ahol az „o” nulla (vagy annál több) idővel fordul elő.

+

A + egy vagy többször megegyezik az előző karakterrel vagy az előző csoporttal. Kontrasztja nullával vagy többször a *. Tehát a regex, az „e +” egyezik az „e” szóval az „enni” mezőben, ahol az „e” egyszer előfordul. Az „e +” megfelel az „ee” kifejezésnek a „juhokban” is, ahol az „e” többször fordul elő. Megjegyzés: Az „e +” nem fog egyezni a „dig” szóval, mert az „dig” -ban az „e” nem fordul elő legalább egyszer.

?

A ? megfelel az előző karakternek vagy az előző csoportnak, 0 vagy 1 alkalommal (és nem több). Tehát: „e?”Egyezik a„ dig ”-nel, mert az„ e ”nulla időben„ dig ”-ben fordul elő. „E?”Megfelel a„ set ”-nek, mert az„ e ”egyszer szerepel a“ set ”-ben. Megjegyzés: „e?”Még mindig megfelel a„ juhoknak ”; bár két "e" van a "juhban". Van itt egy árnyalat - lásd később.

n,

Ez megfelel egy előző karakter vagy előző csoport legalább n egymást követő ismétlésének. Tehát az „e 2,” regex megegyezik a cél két e-jével, a „juh” és a három „e” a cél „sheeep” -jével. Az „e 2,” nem egyezik a „set” -el, mert a „set” -nek csak egy „e” van.

n

Ez pontosan megegyezik egy előző karakter vagy megelőző csoport egymás után következő ismétlésével. Tehát az „e 2” regex megegyezik a cél két e-jével, „juh”. Az „e 2” nem egyezik a „set” -el, mert a „set” -nek csak egy „e” -je van. Nos, az „e 2” egyezik a cél két „e” -jével, „sheeep”. Van itt egy árnyalat - lásd később.

n, m

Ez megfelel egy előző karakter vagy előző csoport több egymást követő ismétlésének, n-től m-ig terjedően. Tehát az „e 1,3” nem felel meg semmit az „dig” -ben, amelyben nincs „e”. Egyezik az „e” betűvel a „készletben”, a két „e” a „juhban”, a három „e” a „sheeep” -ben és három „e” a „sheeepben”. Van egy árnyalat az utolsó mérkőzésen - lásd később.

Megfelelő váltakozás

Vegye figyelembe a következő célláncot a számítógépen.

„A gazdaságban különböző méretű disznók vannak.”

A programozó tudni akarja, hogy ennek a célpontnak van-e „kecskéje”, „nyúl” vagy „disznója”. A kód a következő lenne:

A kód egyezést eredményez. Vegye figyelembe az alternatív karakter használatát, |. Két, három, négy és több lehetőség lehet. A C ++ először megpróbálja összehangolni az első alternatívát, a „kecskét”, a cél karakterlánc minden karakterpozíciójában. Ha nem sikerül a „kecske”, akkor megpróbálja a következő alternatívát, a „nyulat”. Ha nem sikerül a „nyúl”, akkor megpróbálja a következő alternatívát, a „disznót”. Ha a „disznó” kudarcot vall, akkor a C ++ a célpont következő pozíciójára lép, és újra az első alternatívával indul.

A fenti kódban a „disznó” egyezik.

Egyezés kezdete vagy vége

Kezdet

Ha ^ a regex elején van, akkor a cél karaktersorozat kezdő szövege illeszthető a regexszel. A következő kódban a cél kezdete „abc”, amely megegyezik:

A következő kódban nem történik egyeztetés:

Itt az „abc” nincs a cél elején.

Megjegyzés: A '^' körkörös karakter egy metakarakter a regex elején, amely megfelel a cél karakterlánc elejének. Még mindig metakarakter a karakterosztály elején, ahol tagadja az osztályt.

Vége

Ha a $ a regex végén van, akkor a cél karaktersorozat befejező szövege illeszthető a regexszel. A következő kódban a cél vége az „xyz”, amely megfelel:

A következő kódban nem történik egyeztetés:

Itt az „xyz” nincs a cél végén.

Csoportosítás

A zárójelek felhasználhatók minták karaktereinek csoportosítására. Vegye figyelembe a következő regexet:

A csoport itt „zongorista”, körülvéve metakarakterekkel (és). Valójában egy alcsoport, míg a „koncert (zongorista)” az egész csoport. Tekintsük a következő:

Itt az alcsoport vagy alhúr: „a zongorista jó”.

Alhúrok közös részekkel

A könyvelő az a személy, aki könyvekkel foglalkozik. Képzeljen el egy könyvtárat, amelyben egy könyvelő és egy könyvespolc található. Tegyük fel, hogy a következő célláncok egyike található a számítógépen:

Tegyük fel, hogy a programozónak nem az az érdeke, hogy tudja, melyik mondat található a számítógépen. Mégis érdekli, hogy a „könyvespolc” vagy „könyvelő” van-e jelen a számítógép bármely célpontjában. Ebben az esetben regexe lehet:

Váltakozás használata.

Figyelje meg, hogy a „könyv”, amely mindkét szóban közös, kétszer lett beírva, a minta két szavába. Annak elkerülése érdekében, hogy kétszer írja be a „könyv” szót, a regexet jobb lenne a következőképpen írni:

Itt a csoport, „polc | őr” Az alternatív metakaraktert még mindig használták, de nem két hosszú szóra. A két hosszú szó két végződéséhez használták. A C ++ egy csoportot entitásként kezel. Tehát a C ++ a „könyv” után azonnal megjelenő „polcot” vagy „őrzőt” fogja keresni. A következő kód kimenete „egyezik”:

A „könyvespolc” és nem a „könyvelő” párosításra került.

Az ikáz és a többsoros regex_konstansok

icase

Az egyeztetés alapértelmezés szerint a kis- és nagybetűk közötti különbség. Lehet azonban kis- és nagybetűket tenni. Ehhez használja a regex :: icase konstansot, a következő kód szerint:

A kimenet „egyezik”. Tehát az „F” nagybetűs „visszajelzést” a „feed” és az „f” kisbetű. A „regex :: icase” lett a regex () konstruktor második argumentuma. Enélkül a nyilatkozat nem eredményezne egyezést.

Többsoros

Vegye figyelembe a következő kódot:

A kimenet „nem egyezik”. A regex: „^.* $, ”Megegyezik a cél karakterlánccal az elejétől a végéig. „.* ”Bármely karaktert jelent, kivéve \ n, nulla vagy annál többször. Tehát a cél új sorbeli karakterei (\ n) miatt nem voltak egyezések.

A cél egy többsoros karakterlánc. Annak érdekében, hogy '.'ahhoz, hogy megfeleljen az újsor karakterének, meg kell adni az állandó „regex :: multiline” kifejezést, a regex () konstrukció második argumentuma. A következő kód ezt szemlélteti:

Az egész cél húr illesztése

A regress_match () függvény használható a teljes célláncra, amely nem rendelkezik új sor karakterrel (\ n). Ez a függvény különbözik a regex_search (). A következő kód ezt szemlélteti:

Van itt egy meccs. Azonban vegye figyelembe, hogy a regex megegyezik a teljes céllánccal, és a célláncban nincs '\ n'.

A match_results objektum

A regex_search () függvény argumentumot vehet fel a cél és a regex objektum között. Ez az argumentum a match_results objektum. A teljes illesztett (rész) karakterlánc és az egyeztetett részhúrok megismerhetők vele. Ez az objektum egy speciális tömb metódusokkal. A match_results objektumtípus cmatch (karakterláncok esetén).

Meccsek megszerzése

Vegye figyelembe a következő kódot:

A cél karaktersorozatban a „nő” szó szerepel. A kimenet „nő”, amely megfelel a regexnek, „w.m.n ”. A nulla indexnél a speciális tömb tartja az egyetlen mérkőzést, amely „nő”.

Osztályopciókkal csak a célban talált első részlánc kerül a speciális tömbbe. A következő kód ezt szemlélteti:

A kimenet „patkány” a nullától. m [1] és m [2] üres.

Alternatívákkal csak a célban talált első alhúr kerül a speciális tömbbe. A következő kód ezt szemlélteti:

A kimenet „nyúl” a nullától. m [1] és m [2] üres.

Csoportosítás

Csoportok bevonásakor a teljes minta illeszkedik a speciális tömb nulla cellájába. A következő megtalált alhúr az 1. cellába kerül; a következő alhúr a 2. cellába megy; stb. A következő kód ezt szemlélteti:

A kimenet:

Vegye figyelembe, hogy a csoport (eladó) a csoport (sel) elé kerül.

A mérkőzés helyzete

A cmatch tömb egyes alhúrjainak egyezési helye ismeretes. A számlálás a cél karakterlánc első karakterétől kezdődik, a nulla pozícióban. A következő kód ezt szemlélteti:

Ne feledje, hogy argumentumként használja a position tulajdonságot, a cellaindex mellett. A kimenet:

Keresés és csere

Egy új szó vagy kifejezés helyettesítheti a mérkőzést. Ehhez a regex_replace () függvényt használják. Ezúttal azonban a karakterlánc, ahol a helyettesítés megtörténik, a karakterlánc objektum, nem pedig a karakterlánc. Tehát a string könyvtárat be kell vonni a programba. Ábra: