正则表达式

一、正则表达式基础

正则表达式（Regular Expression，简称Regex/RE）是一种文本模式匹配工具，通过预定义的语法规则描述字符串的特征，用于快速检索、替换、验证符合特定规则的文本（如邮箱、手机号、URL等）。

1. 核心概念

• 模式（Pattern）：由正则语法组成的字符串，描述要匹配的文本规则；
• 匹配（Match）：检查目标字符串是否符合模式规则，或提取符合规则的子串；
• 元字符 ：正则的核心语法，具有特殊含义（如 *、+、|、[] 等）；
• 普通字符：无特殊含义的字符（如字母、数字），匹配自身。

2. 常用正则语法（基础）

语法	含义	示例
^	匹配字符串开头（多行模式下匹配行开头）	^abc 匹配 "abc123"
$	匹配字符串结尾（多行模式下匹配行结尾）	abc$ 匹配 "123abc"
.	匹配任意单个字符（除换行符 \n）	a.c 匹配 "abc"、"a1c"
*	匹配前面的字符/组 0次或多次	ab*c 匹配 "ac"、"abc"、"abbbc"
+	匹配前面的字符/组 1次或多次	ab+c 匹配 "abc"、"abbbc"（不匹配"ac"）
?	匹配前面的字符/组 0次或1次（非贪婪匹配）	ab?c 匹配 "ac"、"abc"
{n}	匹配前面的字符/组 恰好n次	ab{2}c 匹配 "abbc"
{n,}	匹配前面的字符/组 至少n次	ab{2,}c 匹配 "abbc"、"abbbc"
{n,m}	匹配前面的字符/组 n到m次	ab{2,3}c 匹配 "abbc"、"abbbc"
[]	字符集：匹配括号内任意一个字符（- 表示范围，^ 表示取反）	[a-z] 匹配小写字母，[^0-9] 匹配非数字
`	`	或：匹配 `
()	分组：将括号内的模式视为一个整体，可结合量词使用	(ab)+ 匹配 "ab"、"abab"
\d	匹配数字（等价于 [0-9]）	\d{3} 匹配 3位数字
\w	匹配字母、数字、下划线（等价于 [a-zA-Z0-9_]）	\w+ 匹配单词
\s	匹配空白字符（空格、制表符、换行符等）	\s+ 匹配多个空格
\	转义字符：匹配元字符本身（如 \. 匹配 "."，\* 匹配 "*"）	a\.b 匹配 "a.b"

3. 常用场景示例

• 匹配手机号（11位，以1开头）：^1\d{10}$；
• 匹配邮箱：^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$；
• 匹配整数（正负）：^[-+]?\d+$。

---

二、C++ 正则表达式匹配

C++11 及以上标准提供了 <regex> 库，支持正则表达式操作，核心类和函数如下：

1. 核心组件

组件	作用
std::regex	存储正则表达式模式（编译后的正则对象）
std::smatch	存储字符串匹配结果（针对 std::string）
std::regex_match	完全匹配：检查整个字符串是否符合正则模式（返回 bool）
std::regex_search	部分匹配：查找字符串中第一个符合正则模式的子串（返回 bool）
std::regex_replace	替换：将字符串中符合正则模式的子串替换为指定内容
std::sregex_iterator	迭代器：遍历字符串中所有符合正则模式的子串

2. 关键注意事项

• C++ 中反斜杠 \ 是转义字符，因此正则中的 \d 需写成 \\d（双反斜杠）；
• 正则模式编译可能抛出异常（如语法错误），建议用 try-catch 捕获；
• 匹配模式（std::regex_constants::syntax_option_type）：
  • std::regex::ECMAScript：默认模式，兼容 JavaScript 正则语法；
  • std::regex::icase：忽略大小写；
  • std::regex::multiline：多行模式（^/$ 匹配行开头/结尾）。

---

三、C++ 正则表达式实战示例

示例1：完全匹配（验证手机号）

#include <iostream>
#include <string>
#include <regex>
using namespace std;

int main() {
    // 正则模式：11位手机号（以1开头，后接10位数字）
    // 注意：C++中需用\\d表示\d，而非\d
    regex phone_pattern("^1\\d{10}$", regex::ECMAScript);
    
    vector<string> phones = {"13800138000", "1234567890", "138001380001", "abc123456789"};
    
    for (const string& phone : phones) {
        bool is_match = regex_match(phone, phone_pattern);
        cout << "手机号：" << phone << " → " << (is_match ? "合法" : "非法") << endl;
    }
    
    return 0;
}

输出：

手机号：13800138000 → 合法
手机号：1234567890 → 非法
手机号：138001380001 → 非法
手机号：abc123456789 → 非法

示例2：部分匹配（提取字符串中的所有数字）

#include <iostream>
#include <string>
#include <regex>
#include <iterator>
using namespace std;

int main() {
    string text = "小红有10个苹果，小明有20个梨，总共有30个水果。";
    // 正则模式：匹配任意数字（\\d+ 匹配1个或多个数字）
    regex num_pattern("\\d+");
    
    // 方式1：用 regex_search 找第一个匹配
    smatch match_result;
    if (regex_search(text, match_result, num_pattern)) {
        cout << "第一个数字：" << match_result.str() << endl; // 输出：10
    }
    
    // 方式2：用 sregex_iterator 遍历所有匹配
    cout << "所有数字：";
    sregex_iterator it(text.begin(), text.end(), num_pattern);
    sregex_iterator end_it; // 结束迭代器
    for (; it != end_it; ++it) {
        cout << (*it).str() << " "; // 输出：10 20 30
    }
    cout << endl;
    
    return 0;
}

输出：

第一个数字：10
所有数字：10 20 30 

示例3：替换（将所有空格替换为逗号）

#include <iostream>
#include <string>
#include <regex>
using namespace std;

int main() {
    string text = "hello   world!  this is c++ regex";
    // 正则模式：匹配1个或多个空白字符（\\s+）
    regex space_pattern("\\s+");
    
    // 替换：将所有匹配的空格替换为逗号
    string result = regex_replace(text, space_pattern, ",");
    cout << "替换前：" << text << endl;
    cout << "替换后：" << result << endl;
    
    return 0;
}

输出：

替换前：hello   world!  this is c++ regex
替换后：hello,world!,this,is,c++,regex

示例4：分组匹配（提取邮箱的用户名和域名）

#include <iostream>
#include <string>
#include <regex>
using namespace std;

int main() {
    string email = "test_123@example.com";
    // 正则模式：分组匹配用户名和域名（() 表示分组）
    regex email_pattern("^([a-zA-Z0-9_-]+)@([a-zA-Z0-9_-]+(\\.[a-zA-Z0-9_-]+)+)$");
    
    smatch match_result;
    if (regex_match(email, match_result, email_pattern)) {
        cout << "完整邮箱：" << match_result.str(0) << endl; // 第0组：整个匹配结果
        cout << "用户名：" << match_result.str(1) << endl;   // 第1组：用户名
        cout << "域名：" << match_result.str(2) << endl;     // 第2组：域名
    }
    
    return 0;
}

输出：

完整邮箱：test_123@example.com
用户名：test_123
域名：example.com

---

四、常见问题与注意事项

1. 转义字符问题 ：
   C++ 字符串中 \ 是转义符，因此正则中的 \d 需写成 \\d，\. 需写成 \\.，避免语法错误；

2. 完全匹配 vs 部分匹配 ：

   • regex_match：要求整个字符串符合模式（如验证手机号、邮箱）；
   • regex_search：只需字符串中存在子串符合模式（如提取数字）；

3. 性能优化 ：
   频繁使用的正则模式建议提前编译为 std::regex 对象（避免重复编译）；

4. 异常处理 ：
   非法正则语法会抛出 std::regex_error，建议捕获：

   try {
       regex invalid_pattern("^[a-z+"); // 语法错误（缺少]）
   } catch (const regex_error& e) {
       cout << "正则语法错误：" << e.what() << endl;
   }

---