【问题标题】:Regular Expression For Parsing Data解析数据的正则表达式
【发布时间】:2017-06-07 22:50:30
【问题描述】:

我正在编写一个从简单文本文件中读取一些数据的应用程序。数据文件, 我感兴趣的,有以下形式的行:

Mem(100) = 120
Mem(200) = 231
Mem(43) = 12
...
Mem(1293) = 12.54

所以,你可以理解,每一行的模式类似于

(\s)*(\t)*Mem([0-9]*) (\s,\t)*= (\s,\t)*[0-9]*(.)*[0-9]*

就像我在字符序列“Mem”之前有任意数量的空格,然后是 一个左括号。然后,有一个数字和一个右括号。之后,在遇到“=”(等于)字符之前,会有任意数量的空格。然后,任意数量的空格,直到我遇到(可能)浮点数。

如何在 C++ 正则表达式模式中表达它?我对 C++ 中的正则表达式概念真的很陌生,所以我需要一些帮助。

谢谢

【问题讨论】:

  • 我不太明白这个问题。如果你想知道如何在 C++ 中使用正则表达式,这里有很多例子。顺便说一句,您可能应该避开括号 - ...Mem\([0-9]*\)...
  • @Dukeling 这就是我在这里问的原因。我既找不到类似的例子,也无法弄清楚正则表达式模式匹配的工作原理。
  • 正则表达式对于这样一个简单的模式来说太过分了。将该行读入字符串,搜索(,搜索),搜索下一位。

标签: c++ regex


【解决方案1】:

首先,记得#include <regex>

C++ std::regex_match 的工作方式与其他语言中的正则表达式类似。

让我们从一个简单的例子开始:

std::string str = "Mem(100)=120";
std::regex regex("^Mem\\([0-9]+\\)=[0-9]+$");
std::cout << std::regex_match(str, regex) << std::endl;

在这种情况下,我们的正则表达式是^Mem\([0-9]+\)=[0-9]+$。 让我们看看它的作用:

  • 开头的 ^ 告诉 C++ 这是该行的开始位置,因此 AMem(1)=2 不应匹配。
  • 末尾的 $ 告诉 C++ 这是该行的结束位置,因此 Mem(1)=2x 不应匹配。
  • \\( 是文字 ( 字符。 ( 在正则表达式中有非常特殊的含义,所以我们将其转义为\(。但是,\ 字符在 C++ 字符串中具有特殊含义,因此我们使用 \\( 告诉 C++ 将 \( 传递给正则表达式引擎。
  • [0-9] 匹配一个数字。 \\d应该也可以,但是then again maybe not
  • [0-9]+ 表示至少一位数字。如果Mem() 可以接受,请改用[0-9]*

如您所见,这就像您在其他语言(如 Java 或 C#)中找到的正则表达式。

现在,要考虑空格,请使用 std::regex regex("^\\s*Mem\\([0-9]+\\)\\s*=\\s*[0-9]+\\s*$");

请注意,\s 包括 \t,因此无需同时指定两者。如果没有,您将使用(\s|\t)[\s\t],而不是(\s,\t)

最后,要包含浮点数,我们首先需要考虑Mem(1) = 1.(即后面没有数字的点)是否可以接受。

如果不是,那么1.23 中的.23可选。在正则表达式中,我们使用? 来表示。

std::regex regex("^[\\s]*Mem\\([0-9]+\\)\\s*=\\s*[0-9]+(\\.[0-9]+)?\\s*$");

请注意,我们使用\. 而不仅仅是.. 在正则表达式中有特殊含义——它匹配任何字符——所以我们需要对其进行转义。

如果您的编译器支持原始字符串(例如Visual Studio 2013GCC 4.5Clang 3.0),您可以简化正则表达式字符串:

std::regex regex(R"(^[\s]*Mem\([0-9]+\)\s*=\s*[0-9]+(\.[0-9]+)?\s*$)")

要提取有关匹配字符串的信息,您可以使用std::smatchgroups

让我们从一个小改动开始:

std::string str = " Mem(100)=120";
std::regex regex("^[\\s]*Mem\\(([0-9]+)\\)\\s*=\\s*([0-9]+(\\.[0-9]+)?)\\s*$");
std::smatch m;

std::cout << std::regex_match(str, m, regex) << std::endl;

注意三点:

  1. 我们添加了smatch。此类存储有关比赛的额外结果信息。
  2. 我们在[0-9]* 周围添加了额外的括号。这定义了一个组。组告诉正则表达式引擎跟踪其中的任何内容。
  3. 浮点数周围还有更多括号。这定义了第二组。

非常重要的是,定义组的括号不会被转义,因为我们不希望它们匹配实际的括号字符。我们实际上想要特殊的正则表达式含义。

现在我们有了组,我们可以使用它们了:

for (auto result : m) {
    std::cout << result << std::endl;
}

这将首先打印整个字符串,然后是Mem() 中的数字,然后是最终数字。

换句话说,m[0] 给我们整场比赛,m[1] 给我们第一组,m[2] 给我们第二组,m[3] 给我们第三组,如果我们有一个。

【讨论】:

  • 您还可以使用原始字符串文字来摆脱转义序列。 R"regex(hello\world)regex"
  • @DyP 是的,因为 regex 无论如何都是 C++11,原始字符串文字 应该 可用。不幸的是,一些支持正则表达式的 C++ 实现(例如 Visual Studio)不支持原始字符串文字。
  • @luiscubal 非常感谢您的回答。它真的帮了我很多。我的后续问题是如何获取两个括号内的数字。就像我有 Mem(Num) 我怎样才能隔离 Num 字符串?
  • @popanik 看看我的新答案。组是您所需要的。
  • std::regex regex(R"^[\s]*Mem\([0-9]+\)\s*=\s*[0-9]+(\.[0-9]+)?\s*$") 无法为我编译(GCC 6.2.0),您需要语法 R"(^[\s]...$)"
猜你喜欢
  • 2011-08-10
  • 1970-01-01
  • 1970-01-01
  • 2012-10-17
  • 1970-01-01
  • 1970-01-01
  • 2011-08-08
  • 2016-04-24
  • 1970-01-01
相关资源
最近更新 更多