2024年C C++最新C++标准库之std regex类的使用,字节跳动资深面试官亲述

   日期:2024-12-26    作者:fscaidon 移动:http://3jjewl.riyuangf.com/mobile/quote/37545.html

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上C C++开发知识点,真正体系化

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

如果你需要这些资料,可以戳这里获取

| D | 匹配任意非数字的字符 |
| B | 匹配不是单词开头或结束的位置 |
| [^x] | 匹配除了x以外的任意字符 |
| [^aeiou] | 匹配除了aeiou这几个字母以外的任意字符 |


S+匹配不包含空白符的字符串。
<a[^>]+>匹配用尖括号括起来的以a开头的字符串。

2.10 后向引用

使用小括号指定一个子表达式后匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。默认情况下,每个分组会自动拥有一个组号,规则是:从左向右,以分组的左括号为标志,第一个出现的分组的组号为1,第二个为2,以此类推。

后向引用用于重复搜索前面某个分组匹配的文本。例如,1代表分组1匹配的文本。难以理解?请看示例

b(w+)bs+1b可以用来匹配重复的单词,像go go, 或者kitty kitty。这个表达式首先是一个单词,也就是单词开始处和结束处之间的多于一个的字母或数字(b(w+)b),这个单词会被捕获到编号为1的分组中,然后是1个或几个空白符(s+),最后是分组1中捕获的内容(也就是前面匹配的那个单词)(1)。

你也可以自己指定子表达式的组名。要指定一个子表达式的组名,请使用这样的语法:(?<Word>w+)(或者把尖括号换成’也行:(?‘Word’w+)),这样就把w+的组名指定为Word了。要反向引用这个分组捕获的内容,你可以使用k<Word>,所以上一个例子也可以写成这样:b(?<Word>w+)bs+k<Word>b。

使用小括号的时候,还有很多特定用途的语法。下面列出了最常用的一些

2.11 零宽断言(对换行空格感觉很有帮助

接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西,也就是说它们像b,^,$那样用于指定一个位置,这个位置应该满足一定的条件(即断言),因此它们也被称为零宽断言

(?=exp)也叫作零宽度正预测先行断言,它断言自身出现的位置的后面能匹配表达式exp。比如bw+(?=ingb),匹配以ing结尾的单词的前面部分(除了ing以外的部分,如查找I’m singing while you’re dancing,它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言,它断言自身出现的位置的前面能匹配表达式exp。比如(?<=bre)w+b会匹配以re开头的单词的后半部分(除了re以外的部分),例如在查找reading a book时,它匹配ading。

假如你想要给一个很长的数字中每三位间加一个逗号(当然是从右边加起了),你可以这样查找需要在前面和里面添加逗号的部分:((?<=d)d{3})*b,用它对1234567890进行查找时结果是234567890。

下面这个例子同时使用了这两种断言:(?<=s)d+(?=s)匹配以空白符间隔的数字(再次强调,不包括这些空白符)。

讲道理,在cpp的regex库中,只看见了两种书写方式
1.(?=subpattern): 断言后面的字符必须与subpattern匹配,但是不消耗任何字符。即,断言括号内的字符(subpattern)作为匹配查找使用,但他们依旧会被写入pattern内,而不是被忽略掉。
2.(?!subpattern): 断言后面的字符不会与subpattern匹配,且不消耗任何字符。

2.12 贪婪与懒惰(解释了为什么会匹配到后面的东西

当正则表达式中包含能接受重复的限定符时,通常的行为是(在使整个表达式能得到匹配的前提下尽可能多的字符)。考虑这个表达式:a.*b,它将匹配最长的以a开始,以b结束的字符串。如果用它来搜索aabab的话,它会匹配整个字符串aabab。被称为贪婪匹配

有时,我们 更需要懒惰匹配,也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式,只要在它后面加上一个问号?。这样,.*?就意味着匹配任意数量的重复,但是在能使整个匹配成功的前提下使用最少的重复。

a.*?b匹配最短的,以a开始,以b结束的字符串。如果把它应用于aabab的话,它会匹配aab(第一到第三个字符)和ab(第四到第五个字符)。

代码 /语法说明*?重复任意次,但尽可能少重复+?重复1次或更多次,但尽可能少重复??重复0次或1次,但尽可能少重复{n,m}?重复n到m次,但尽可能少重复{n,}?重复n次以上,但尽可能少重复

2.13 还有些什么东西没提到

代码 /语法说明a报警字符(打印它的效果是电脑嘀一声)b通常是单词分界位置,但如果在字符类里使用代表退格 制表符,Tab 回车v竖向制表符f换页符 换行符eEscape0nnASCII代码中八进制代码为nn的字符xnnASCII代码中十六进制代码为nn的字符ꪧUnicode代码中十六进制代码为nnnn的字符cNASCII控制字符。比如cC代表Ctrl+CA字符串开头(类似^,但不受处理多行选项的影响)Z字符串结尾或行尾(不受处理多行选项的影响)z字符串结尾(类似$,但不受处理多行选项的影响)G当前搜索的开头

Match: 将整个string拿来匹配某个regex.
Search: 查找某个string中与regex吻合的部分.
Replace: 将与正则表达式吻合的第一个(或者后续所有的)子序列替换掉.
Tokenize: 切分即通过指定来切分出来我们感兴趣的正则表达式匹配到的内容.

4.1 std::regex_search

std::regex_search: 搜素正则表达式参数,但它不要求整个字符序列完全匹配。而且它只进行单次搜索,搜索到即停止继续搜索,不进行重复多次搜索。
栗子

 

栗子中需要注意的:

  1. std::ios_base::boolalpha
    std::ios_base::boolalpha: 将str流的boolalpha格式flag置为1。当此标志位被设置时,将根据其文本表示插入/提取bool值:true或false,而不是整数值。如果需要将标志位重新置为0,可以使用noboolalpha操作符。
    Example
 

输出为

 

4.2 std::regex_constants::extended

std::regex_constants::extended:使用扩展的POSIX正则表达式语法。POSIX使用“最左最长”匹配规则(最长的匹配子序列被匹配,如果有几个这样的子序列,那么第一个就被匹配
栗子-ECMAScript和POSIX正则表达式之间匹配算法的区别

 

这里的输出应该为

 

按理说,结果应该是这样。clang编译没问题,但是在GCC编译结果就很奇怪,会出现如两个均为zzxayy或者均为zzxa的结果

4.3 regex_match

regex_match是正则表达式匹配的函数
栗子


特别提示:本信息由相关用户自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。


举报收藏 0评论 0
0相关评论
相关最新动态
推荐最新动态
点击排行
{
网站首页  |  关于我们  |  联系方式  |  使用协议  |  隐私政策  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  鄂ICP备2020018471号