|
簡介1
正
則表達式（Regular
expression）是一種在文本處理中經常用到的模式匹配的形式，可能許多用戶熟悉Unix下的grep,sed,awk等工具或者perl語言，它
們都廣泛地用到了正則表達式。傳統的C++用戶還受限于用POSIX C API's（Portable operateing system
interface standard)來操作正則表達式，而regex++已經提供了這些API's，雖然它不一定是使用POSIX C
正則表達式庫的最好方法。比如regex++能處理寬字符字符串（wide character
strings），或者搜索、替換操作（在某種意義上類似于sed或perl），這些在傳統的C 庫中是不能實現的。
類boost::reg_expression是regex++庫中的關鍵類，它表示“機器可讀”的正則表達式，reg_expression 是在string的基礎之上構建的，可以認為它是一個具有string的功能，外加這個正則表達式算法所需要的狀態機。
像std::basic_string一樣，它提供了兩個針對char和wchar_t的特化版本：
namespace boost{
template <class charT,
class traits = regex_traits<charT>,
class Allocator = std::allocator<charT> >
class basic_regex;
typedef basic_regex<char> regex;
typedef basic_regex<wchar_t> wregex;
}
要知道regex++庫到底有什么用？可以試想我們要寫一個信用卡處理程序。信用卡通常有16位數字組成的
號碼，其中每四位一組，用空格或連字號隔開。在將這些信用卡號碼存入數據庫之前，我們難道不要檢驗這些數字是否符合正確格式么？為了匹配任何一個數字我們
可以用正則表達式[0-9]，數字串的寬度可以用[[:digit:]],當然這些是POSIX標準。在regex++和perl中可簡化為\d（注意許
多老的庫傾向于硬編碼到C-locale，因此這不是什么問題）。下面的正則表達式可以檢驗信用卡號碼的格式。
(\d{4}[- ]){3}\d{4}
()標記子表達式，{4}表示重復4次。這僅是一個perl,awk,egrep的正則表達式的例子。regex++也支持那些sed,grep用到的比較老的“基本”語法，雖然它們很少用到，除非你需要重用一些已有的基本正則表達式。
現在讓我們把這個表達式置于C++代碼中來檢驗信用卡號碼的格式：
bool validate_card_format(const std::string s)
{
static const boost::regex e("(\\d{4}[- ]){3}\\d{4}");
return regex_match(s, e);
}
注意我們以前是如何將某些額外的轉義序列（或者翻譯成：轉義字符）添加到表達式的：要知道，正則表達式引擎處理轉義字符前，該轉義字符只能被 C++編譯器識別一次，因此，在C++代碼中嵌入正則表達式的轉義字符必須雙寫（寫兩次）。
還要注意到你的編譯器必須支持Koening lookup 2（比如VC6就不支持），否則你需要附加一些boost::prefixes到某些函數引用中。
那
些熟悉信用卡操作的人，可能還會想到上面的那種格式適合于人的閱讀，并不表示網上信用卡系統要求的格式（可能是16或15個沒有間隔符的數字串）。我們需
要一種簡單的轉換方法，我們需要2個字符串，1個是正則表達式，一個是格式字符串（提供一種被匹配的內容的描述）。在regex++中，search和
replace都能完成regex_merge算法，對于信用卡的例子我們給出了下面2個算法用于格式轉換：
// match any format with the regular expression:
const boost::regex e("\\A(\\d{3,4})[- ]?(\\d{4})[- ]?(\\d{4})[- ]?(\\d{4})\\z");
const std::string machine_format("\\1\\2\\3\\4");
const std::string human_format("\\1-\\2-\\3-\\4");
std::string machine_readable_card_number(const std::string s)
{
return regex_merge(s, e, machine_format, boost::match_default | boost::format_sed);
}
std::string human_readable_card_number(const std::string s)
{
return regex_merge(s, e, human_format, boost::match_default | boost::format_sed);
}
這兒，我們用正則表達式中的子式把號碼分為4塊，format string 用類似sed的語法把被匹配的內容替換為規定格式。
上面的例子中，我們還沒有直接操作匹配結果，匹配結果包括全體匹配和一些子式的匹配。當需要正則表達式的匹配結果時，就需要用到class match_results的實例，下面是常用類型的特化版本：
namespace boost{
typedef match_results<const char*> cmatch;
typedef match_results<const wchar_t*> wcmatch;
typedef match_results<std::string::const_iterator> smatch;
typedef match_results<std::wstring::const_iterator> wsmatch;
}
regex_search和regex_grep算法都使用到match_result。
注意這些算法并不局限于一般的C-strings,任何雙向迭代器（bidirectional iterator）類型都能被搜索，這為無縫搜索任何類型數據提供了可能性。
對于那些不喜歡模板（templates）的人還可以使用class RegEx,它是對模板代碼的高層次包裝，它為那些使用不到庫的整個功能的人提供了簡單的接口，當然它僅支持窄字符（narrow character）和“擴展”的正則表達式語法。
對于想兼容POSIX的人可以使用POSIXAPI函數：regcomp,regexec,regfree,regerror,這些對narrow character和Unicode都適用。
最后注意，這個庫現在支持運行時本地化（run-time localization），它能完全識別POSIX正則表達式語法，包括一些多字符的元素比較和同等類型的高級特性，它還能兼容其它一些正則表達式庫包括GNU、BSD4的regex包。
安裝和配置
首先當你從zip文件解壓本庫時必須保留它的內部結構，如果你沒這樣做，那只好刪除你解壓的文件，重現來一次。
由于支持大多數常見的編譯器/標準庫/平臺，這個庫不需要作使用前的配置。如果你碰到配置問題，或想測試你的編譯器的配置信息，可以參考 配置文檔（這和boost的其它所有的庫的處理過程都一樣）。
由于本庫混合了模板代碼（頭文件中）和靜態代碼數據（cpp文件中），所以在你使用之前，必須將庫支持的代碼 生成到庫內和檔案文件中。以下是幾個具體平臺的操作步驟：
Borland C++ Builder
略
Microsoft Visual C++ 6 and 7
如果你使用VC5，你可能要找一下本庫的以前版本。
打開命令提示符（其MSVC環境變量必須已定義，如果沒有可運行Vcvars32.bat，位于<VC6>\bin），進入<boost>\libs\regex\build 目錄
選擇正確的makefile,VC6++的是vc6.mak,支持STLPort的是vc6-stlport.mak
如下調用
nmake -fvc6.mak
如果想在VC6子目錄包含所有的lib、dll文件，lib文件拷在<VC6>\lib，dll文件拷在<VC6>\bin，可使用
nmake -fvc6.mak install
刪除生成過程中所有的臨時文件，可使用
nmake -fvc6.mak clean
最后只需添加<boost>根目錄到你的工程所包含的目錄列表中。沒有必要手動將*.lib文件加到工程中，因為在頭文件會選擇正確的.lib文件。
注意：如果想靜態地鏈入regex庫，可定義BOOST_REGEX_STATIC_LINK（在release版中生效）。
如果想直接使用源文件，可定義BOOST_REGEX_NO_LIB，這樣自動選擇庫將失效。
1.簡介出處：http://www.boost.org/libs/regex/doc/introduction.html
2.Koening
lookup：When a function is called, in order to determine if that
function is visible in the current scope, the namespaces in which the
functions parameters reside must be taken into account.
|