正则表达式使用学习(C++、Qt、Python)

写在前面

个人对于正则表达式实在是不太了解，所以本文内容纰漏应该会比较多。只希望不会对大家造成误导。

本文只是简单涉及C++0x、Qt4、Python3、Vim中的正则表达式：

• C++0x：在 regexp 头文件中提供一系列模板类

• Qt4：中提供了 QRegExp 类

• Python3：中提供了 re 模块

• Vim：命令模式和脚本支持正则

晕，写了一上午，竟然写成了这样了，Vim竟然都没涉及，其他部分也是一团糟，额，本来是想整理它们之间的在pattern上的区别的。不管了，先这样吧。

2011.08.20

用途

两个问题+三个动作？(真不知道该如何分类了...)：

• match: 字符串匹配这个模式(pattern)么？

• search: 字符串中存在和模式匹配的字串么？

• capture: 捕获匹配的字符串

• replace: 替换字符串(子串)

• split: 分割字符串

使用

准备pattern字符串

这个？元字符、匹配单个字符、重复匹配等，似乎相关的资料太多了哈，这儿暂时省略。

Python提供raw字符串的字面量写法，C++0x也提供了这种功能，只是编译器目前似乎都尚不支持。

//C++0x
const char * str1 = "C://windows//system32";
const char * str2 = R"(C/windows/system32)";

生成pattern对象

Python	re.compile(pattern, flags=0)生成对象
Qt	使用QRegExp构造函数，可通过QRegExp::setPattern()修改
C++0x	通过模板类basic_regex构造

Python 下面，通过 re.compile() 可以生成一个正则表达式对象(Regular Expression Objects)

>>> import re
>>> re.compile(r"dbzhang8\d{2}")
<_sre.SRE_Pattern object at 0xb731c720>
>>> 

• 如果稍后只是使用re模块级的函数，比如re.match(r"dbzhang8\d{2}","dbzhang800")，那么不必先使用compile生成正则表达式对象。

C++0x 和 Qt 下，直接使用构造函数生成对象

QRegExp qt_pattern("dbzhang8\\d{2}");
std::regex cpp_pattern("dbzhang8\\d{2}");

• 在C++0x中，有char,wchar_t,char16_t,char32_t 这4种字符类型，std::regex 只是一个别名typedefbasic_regex<char>regex;

执行匹配操作

看看Python

match()	判断RE是否从字符串“开头”开始匹配	成功则返回一个MatchObject对象，否则返回None	这4个函数均有模块级 和 对象的成员函数两种形式。区别在于后者需要先编译一个正则表达式对象，该对象可以重复使用。
search()	扫描字符串，看是否有匹配的字串
findall()	查找所有匹配的字串，将它们作为一个list返回
finditer()	查找所有匹配的字串，将它们以迭代器(iterator)返回

• 简单的例子：

  >>> p = re.compile(r"dbzhang8\d{2}")
  >>> print(p.match("dbzhang-800"))
  None
  >>> p.match("dbzhang801")
  <_sre.SRE_Match object at 0xb71d3fa8>
  >>> p.findall("dbzhang801dbzhang802")
  ['dbzhang801', 'dbzhang802']

  注意：MatchObject包含匹配信息，可以用来提取匹配的字符串

看看Qt

QRegExp::exactMatch()	判断字符串是否完全(从头到尾)匹配，返回真或假	这3个操作都会设置 matchedLength()、capturedTexts()、pos()的信息，类似于前面python中的MatchObject
QRegExp::indexIn()	搜索字符串以找到匹配的字串，返回索引值，失败返回-1
QRegExp::lastIndexIn()	同上，只是从后向前搜索
QString::indexOf()		如果只是查找的话，这两个更方便，只是无法获取额外的capturedTexts等信息了
QString::contains()	是否匹配
QString::count()	多少次匹配

恩，看看C++0x

regex_match()	表达式是否完整匹配一个字符串？	返回值是布尔量，但执行时会填充一个match_results对象，以用来进行字串捕捉。注意：这些是算法，不是前面提到的basic_regex的成员函数。
regex_search()	是否匹配字符串的一部分？

看看Capture信息？

要Capture字串的话，正则的pattern需要使用圆括号“()”包住一部分。

前面看到，match、search、index、... 等操作，都会通过其他方式填充一些额外的信息

• Python 中生成一个 MatchObject 对象

• C++ 0x 填充 match_result 对象
• Qt 通过QRegExp对象自身 matchedLength()、capturedTexts()、pos() 的成员函数

Python

group()	返回匹配的字符串	需指定哪一个(或哪几个)组，默认是0组(匹配自身)
start()	返回匹配的起始位置
end()	返回匹配的结束位置
span()	返回包含起始和结束位置的元组(tuple)
groups()	返回所有匹配的组

Qt 中：

matchedLength()	匹配的长度
captureCount()	表达式中含有的捕捉组的数目
capturedTexts()	捕捉到的字符串列表
pos(int n)	第n个组的位置
cap(int n)	第n个组的内容(0代表匹配自身)

C++0x 中：

match_results::operator[](size_type n)	返回第n个捕捉组(0代表匹配自身)	返回的是sub_match模板类的对象
match_results::prefix()	返回被匹配子串前面的串
match_results::suffix()	返回被匹配子串后面的串
match_results::empty()	只在匹配失败是返回true
match_results::size()	组的数目
match_results::str()	组的内容
match_results::position()	位置

• 4个别名：

  typedef match_results<const char*> cmatch;
  typedef match_results<const wchar_t*> wcmatch;
  typedef match_results<string::const_iterator> smatch;
  typedef match_results<wstring::const_iterator> wsmatch;

执行修改操作

Python

split()	分割字符串	可指定最大分割或替代的数目
sub()	替换所有匹配的子串
subn()	同上，但同时返回多少次替换发生(返回的是元组)

Qt中：

QString::split()	全是QString的成员函数，简单明了
QString::section()
QString::replace()
QString::remove()

C++0x中：

regex_replace()

就这一个么？呵呵

参考

• http://docs.python.org/howto/regex.html

• http://docs.python.org/py3k/library/re.html

• http://doc.qt.nokia.com/4.7/qstring.html

• http://doc.qt.nokia.com/4.7/qregexp.html

• http://www.greenend.org.uk/rjk/2002/06/regexp.html