关于c ++：用于解析数据的正则表达式


Regular Expression For Parsing Data

我正在编写一个应用程序，它从一个简单的文本文件中读取一些数据。数据文件，我感兴趣的，有以下形式的行：

1
2
3
4
5
Mem(100) = 120
Mem(200) = 231
Mem(43) = 12
...
Mem(1293) = 12.54

所以，正如你所理解的，每一行的模式是

1
(\s)*(\t)*Mem([0-9]*) (\s,\t)*= (\s,\t)*[0-9]*(.)*[0-9]*

就像我在字符序列"mem"之前有任意数量的空格，后面跟左括号。然后，有一个数字和一个右括号。然后，在遇到"="(等于)字符之前，有任意数量的空格。然后，任何数量的空格，直到我遇到一个(可能的)浮点数。

如何在C++正则表达式中表达这一点？我对C++中的正则表达式概念非常陌生，所以我需要一些帮助。

谢谢你

相关讨论

首先，记住#include 。

C++ EDCOX1 1的工作方式类似于其他语言中的正则表达式。

让我们从一个简单的例子开始：

1
2
3
std::string str ="Mem(100)=120";
std::regex regex("^Mem\\([0-9]+\\)=[0-9]+$");
std::cout << std::regex_match(str, regex) << std::endl;

在这种情况下，我们的regex是^Mem\([0-9]+\)=[0-9]+$。让我们看看它的作用：

  • EDOCX1 3开始时告诉C++这是线路开始的地方，所以EDCOX1×4不应该匹配。
  • EDOCX1的5位在结尾告诉C++，这是行结束的地方，所以EDCOX1×6 }不应该匹配。
  • \\(是一个文字(字符。(在正则表达式中有一个非常特殊的意义，所以我们将它从\(中去掉。然而，EDCOX1×11字符在C++字符串中有着特殊的含义，所以我们使用EDCOX1×7来告诉C++将EDCOX1×10引用传递给正则表达式引擎。
  • [0-9]匹配一个数字。\\d也应该有效，但可能不会。
  • [0-9]+表示至少一个数字。如果可以接受Mem()，则使用[0-9]*。

正如你所看到的，这就像你在其他语言中找到的正则表达式(比如Java或C语言)。

现在，要考虑空白，请使用std::regex regex("^\\s*Mem\\([0-9]+\\)\\s*=\\s*[0-9]+\\s*$");。

请注意，\s包括\t，因此无需同时说明两者。如果没有，你可以使用(\s|\t)或[\s\t]，而不是(\s,\t)。

最后，为了包括浮点数，我们首先需要考虑是否可以接受Mem(1) = 1.(即后面没有数字的点)。

如果不是，那么1.23中的.23是可选的。在正则表达式中，我们使用?来表示这一点。

1
std::regex regex("^[\\s]*Mem\\([0-9]+\\)\\s*=\\s*[0-9]+(\\.[0-9]+)?\\s*$");

注意，我们使用\.，而不仅仅是.。.在正则表达式中有一个特殊的含义——它与任何字符都匹配——所以我们需要对它进行转义。

如果您的编译器支持原始字符串(例如，Visual Studio 2013、GCC 4.5、Clang 3.0)，则可以简化regex字符串：

1
std::regex regex(R"(^[\s]*Mem\([0-9]+\)\s*=\s*[0-9]+(\.[0-9]+)?\s*$)")

要提取有关匹配字符串的信息，可以使用std::smatch和groups。

让我们从一个小小的改变开始：

1
2
3
4
5
std::string str =" Mem(100)=120";
std::regex regex("^[\\s]*Mem\\(([0-9]+)\\)\\s*=\\s*([0-9]+(\\.[0-9]+)?)\\s*$");
std::smatch m;

std::cout << std::regex_match(str, m, regex) << std::endl;

注意三件事：

  • 我们加了smatch。此类存储有关匹配的额外结果信息。
  • 我们在[0-9]*周围添加了附加的括号。这定义了一个组。小组告诉regex引擎跟踪其中的内容。
  • 还有更多关于浮点数的括号。这定义了第二个组。

    • 非常重要的是，定义组的括号没有转义，因为我们不希望它们与实际的括号字符匹配。我们实际上想要特殊的regex含义。

    既然我们有了这些组，我们就可以使用它们：

    1
    2
    3
    for (auto result : m) {
        std::cout << result << std::endl;
    }

    这将首先打印整个字符串，然后打印Mem()中的数字，然后打印最终的数字。

    换言之，m[0]给了我们全部匹配，m[1]给了我们第一组，m[2]给了我们第二组，m[3]给了我们第三组，如果我们有一组的话。

    相关讨论