科技行者

行者学院 转型私董会 科技行者专题报道 网红大战科技行者

知识库

知识库 安全导航

至顶网软件频道应用软件正则表达式思维

正则表达式思维

  • 扫一扫
    分享文章到微信

  • 扫一扫
    关注官方公众号
    至顶头条

毫无疑问,对字符串的处理是我们编程最经常的工作之一。同时处理字符串也可能是我们遇到的最棘手的问题之一。

作者:dnfrank 来源:CSDN 2008年5月21日

关键字: 表达式 正则 python 软件

  • 评论
  • 分享微博
  • 分享邮件
 

正则表达式思维

缘起

       毫无疑问,对字符串的处理是我们编程最经常的工作之一。同时处理字符串也可能是我们遇到的最棘手的问题之一。举个简单的实例,上周我处理的一个文本:02级学生名单。文本是txt格式的,每个元组一行,每个分量间严格按空白符隔开。我想把它变成数据库资料用于查询,因为没有用过什么转换工具,只能自己实现了——把每条元组换成一个SQL插入语句再全部执行(某老鸟:我啥也不说了~)。

       看似简单的任务,用C++标准流实现就是了。但实现过程中我发现了几个问题:1)空项,学生信息里“政治面貌”和“家庭电话”等信息可能有空项;2)单一分量中可能存在空白符,比如某些两个字的学生姓名中间可能有一个空格(天知道这个文本原来是什么格式文件导出的~);3)极少部分学生资料不完整,甚至缺少主键。以上这几条用简单的标准流解决几乎就是不可能的。

正则表达式

       自然的我们想到正则表达式。正则表达式提供了一种描述字符串格式的方法。比如学号是九位的数字,就可以描述为 [0-9]{9} ,或 [[:digit:]]{9} 。后者是perl风格的描述法,它保证不同字符字长的机器上有通用性。这里我们可以解决空项的问题,比如家庭电话可以描述为 [[:digit:]]{,12 } ,表示至多12位的数字,更严密的方法是:(\<[0][[:digit:]]{10,11})?,表示首位为0,长1112位的数字或空串。有关正则表达式的资料,可以在任何一本有关Linux/Unix的书里查到。下面的boost等工具也有相关文档。

boost::regex

       当今C++语言对于正则表达式支持最好的就是boost库了(好像是在说废话)。如果不深究内部实现,学习使用boost的正则表达式是很easy~的。boost的正则表达式库是boost::regex(正则表达式就是regular expression啦,这个大家都了解吧)。头文件是<boost/regex.hpp>(还有一个<boost/regex.h>的,但不提供常用功能,这个我用的时候才发现,有达人指教一下哈)。

       boost::regex定义类似STLstring类,它形如:

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;

 

}

然后我们就可以来匹配了。语法是:

template <class ST, class SA, class charT, class traits, class Allocator2>

inline bool regex_match(const std::basic_string<charT, ST, SA>& s,

                 const reg_expression<charT, traits, Allocator2>& e,

                 match_flag_type flags = match_default)

       呼呼,以上是原文件里拷来的,简言之就是用

              boost::regex_match( strs, e)

       其中strs是源串,e是正则表达式,返回bool值。

       当然最主要是把匹配的元素取出来,boost也提供了相关支持,那是一个类:

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;

}

       此外boost还提供了替换等其他操作。总之boostC++上提供了与Linux/Unix的正则表达式完全相同的,功能完整的操作。最近听说boost的正则表达式等几个库已经被纳入标准了,果然是大势所趋众望所归啊呼呼~。以上介绍都是取自boost自身文档,有兴趣的朋友可以自己找来看看。

Perl

       另外两个不得不提到的程序是Linux/Unix下的sedgrep(或许还有vi?),他们是两个完全支持正则表达式的编辑工具。但是,正如一些流行的说法,正则表达式“最迷人,最激动人心”的体现,是在Perl这一脚本语言上。Perl的语法简单易学功能强大,而且正因为其脚本语言(或者说是胶水语言)的特性,它能和其他任何系统和语言(除了C++ boost外,流行的那几个编程语言没这么支持正则表达式了吧~)通信。然而谈到Perl,必然就要说到python这门极其……

       算了,这个方面……偶自己也在学习中(大家不要B4偶啊),就不误人子弟了。

    • 评论
    • 分享微博
    • 分享邮件
    邮件订阅

    如果您非常迫切的想了解IT领域最新产品与技术信息,那么订阅至顶网技术邮件将是您的最佳途径之一。

    重磅专题
    往期文章
    最新文章