正则表达式详解

0. 序言

1. 什么是正则表达式？

2. 正则表达式语法：

	理论

	基本语法

	选择

	数量限定

	匹配

	PCRE表达式

	Unicode处理

	POSIX字符组

	优先级

	常用正则

	示例

3. C++中正则表达式的使用方法：

	1. 检查身份证号：

	2. 检索HTML文件里的所有网页链接：

	3. 简易Markdown转HTML：

	4. 正则表达式在OI上的应用：(虽然应该不能用)

4. 总结

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

int w[] = {7, 9, 10, 5, 8, 4, 2, 1, 6, 3, 7, 9, 10, 5, 8, 4, 2};

int main() {
    string ID_card;								//用于存储身份证号
    cout << "请输入身份证号：";
    cin >> ID_card;								//输入身份证号
	regex check_regex("^[0-9]{17}[0-9X]$");		//定义检查用的正则表达式
    if (regex_search(ID_card, check_regex)) {	//判断是否有匹配
        cout << "身份证号检查通过！" << endl;	//有则正确
    else
        cout << "身份证号错误！" << endl;			//无则错误
	return 0;
}

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

int main() {
	ios::sync_with_stdio(false); //优化无处不在
	ifstream fin("HTMLFile.html"); //读入HTML文件
	string text = "";
	while (!fin.eof()) {
		string tmp;
		getline(fin, tmp); //逐行读入
		text += tmp + '\n';
	}
	string pattern = "(?:href|src)\\s*=\\s*\"([0-9A-Za-z/\\.]*)\""; //定义要匹配的模式串
	regex word_regex(pattern, regex_constants::icase); //定义正则表达式
    //这里的icase是指获得所有的子匹配串(每一个用圆括号()括起来的都是一个子匹配串)
    //像这里就有一个子匹配串：([0-9A-Za-z/\.])，而(?:XXX)则不算作子匹配串
	auto words_begin = sregex_token_iterator(text.begin(), text.end(), word_regex, 1);
    //这里的1表示获取第一个子匹配串的迭代器
	auto words_end = sregex_token_iterator();
	cout << "找到 " << distance(words_begin, words_end) << " 个链接: " << endl;
    //输出匹配串的个数
	for (auto i = words_begin; i != words_end; ++i) {
		cout << i->str() << endl; //循环输出每一个匹配串
	}
	return 0;
}

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

int main() {
	ios::sync_with_stdio(false); //依然是无处不在的优化
	ifstream fin("MDFile.md"); //读入Markdown文件
	string text = "\n";
	while (!fin.eof()) {
		string tmp;
		getline(fin, tmp); //逐行读入
		text += tmp + '\n';
	}
    //实现6个级别的标题
    //其中替换字符串中的`$n`代表第n个子匹配串的引用，`$&`表示整个匹配串的引用
	text = regex_replace(text, regex("\\n#{6}\\s+(.+)"), "\n<h6>$1</h6>");
	text = regex_replace(text, regex("\\n#{5}\\s+(.+)"), "\n<h5>$1</h5>");
	text = regex_replace(text, regex("\\n#{4}\\s+(.+)"), "\n<h4>$1</h4>");
	text = regex_replace(text, regex("\\n#{3}\\s+(.+)"), "\n<h3>$1</h3>");
	text = regex_replace(text, regex("\\n#{2}\\s+(.+)"), "\n<h2>$1</h2>");
	text = regex_replace(text, regex("\\n#{1}\\s+(.+)"), "\n<h1>$1</h1>");
    //实现粗体
	text = regex_replace(text, regex("\\*\\*(.*?)\\*\\*"), "<strong>$1</strong>");
    //实现两种形式的斜体
	text = regex_replace(text, regex("\\*(.*?)\\*"), "<em>$1</em>");
	text = regex_replace(text, regex("_(.*?)_"), "<em>$1</em>");
    //实现删除线，其中delete是已经定义好的class
	text = regex_replace(text, regex("~~(.*?)~~"), "<span class=\"delete\">$1</span>");
    //实现代码块
	text = regex_replace(text, regex("```(.*)\\s+((.|\\s)*?)```"), "<pre><code class=\"%1\">\n$2</code></pre>");
    //实现分割线
	text = regex_replace(text, regex("\\n-{3,}"), "\n<hr>");
	cout << text << endl; //输出结果
	return 0;
}

#include <cstdio>
#include <cctype>
#include <iterator>
#include <regex>
#include <string>
using namespace std;

//由于文章长度小于1M，超过了cin的输入范围，需要手写字符串读入
class readString {
private:
    char* buffer;
    size_t size;

public:
    readString(size_t max_size = 1 << 20) {
        buffer = new char[max_size];
    }

    ~readString() {
        delete buffer;
    }

    char* getStringBuffer() {
        return buffer;
    }

    char* readStringBuffer() {
        size = 0;
        char ch = getchar();
        while (!isalpha(ch)) ch = getchar();
        while (isalpha(ch)) buffer[size++] = ch, ch = getchar();
        buffer[size] = 0;
        return getStringBuffer();
    }

    void operator>>(string& str) {
        str = readStringBuffer();
    }
};

int n, m;
readString readStr; //对字符串读入对象实例化

int main() {
	scanf("%d%d", &n, &m);
	string words = "";
    //构造正则表达式的模式串
	for (int i = 0; i < n; i ++) {
		string tmp;
		readStr >> tmp;
		words += (!i ? "" : "|") + tmp; //判断是否需要在前面加|
	}
	words = "^(" + words + ")*";
    //按照样例构造后的模式串为：`^(is|name|what|your)*`
	regex word_regex(words); //生成regex对象
	for (int i = 0; i < m; i ++) {
		string text;
		readStr >> text; //循环读入每篇文章
		auto words_begin = sregex_iterator(text.begin(), text.end(), word_regex);
        //找到第一个匹配串并输出长度即可
		printf("%d\n", words_begin->str().size());
	}
	return 0;
}