【网络编程】正则表达式快速上手指南

正则表达式（Regular Expression）详解

正则表达式（简称 Regex 或 RegExp）是一种文本模式匹配工具，用于在字符串中搜索、替换、提取符合特定规则的文本片段。它的语法简洁但功能强大，广泛应用于编程、文本编辑、日志分析等领域。 C++11官方文档中对正则表达式的介绍如下:

一、核心概念

1. 基本用途

• 验证：检查字符串是否符合规则（如邮箱、电话号码格式）。
• 搜索：快速定位特定模式的文本。
• 替换：批量修改符合模式的文本。
• 提取：从文本中抽取结构化数据。

2. 语法组成

• 普通字符：直接匹配字符本身（如 a 匹配字母 a）。
• 元字符：具有特殊含义的符号（如 .、*、^）。
• 字符类：匹配一组字符中的任意一个（如 [abc]）。
• 量词：控制匹配次数（如 +、?、{n,m}）。
• 分组与捕获：用 () 定义子表达式并捕获内容。

二、基础语法

1. 元字符（Meta Characters）

2. 量词（Quantifiers）

3. 字符类（Character Classes）

三、进阶语法

1. 分组与捕获

普通分组：() 定义子表达式，并捕获匹配内容。

(\d{4})-(\d{2})-(\d{2})  # 匹配日期 "2023-10-01"，捕获年、月、日

非捕获分组：(?:...) 分组但不捕获。

(?:https?|ftp)://([^/]+)  # 匹配 URL，但只捕获域名部分

2. 贪婪匹配 vs 非贪婪匹配

贪婪模式（默认）：尽可能匹配更长的文本。

<.*>        # 匹配整个 "<div>content</div>" 字符串

非贪婪模式：在量词后加 ?，匹配尽可能短的文本。

<.*?>       # 匹配 "<div>" 和 "</div>" 两个标签

3. 预查（Lookaround）

四、实际应用示例

1. 验证邮箱地址

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

• 分解：
  • ^[a-zA-Z0-9._%+-]+：用户名部分（允许字母、数字、特殊符号）。
  • @[a-zA-Z0-9.-]+：域名部分（如 gmail、example.co）。
  • \.[a-zA-Z]{2,}$：顶级域名（如 .com、.org，至少两个字母）。

2. 提取 HTML 标签内容

<h1>(.*?)</h1>  # 非贪婪匹配标签内容

3. 匹配 IPv4 地址

^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$

五、C++11正则库的使用

C++11 引入了 <regex> 标准库，提供了对正则表达式的原生支持。以下是 C++11 正则表达式库的详细使用方法。C++官方文档连接:https://legacy.cplusplus.com/reference/regex/

1. 核心类和组件

类/组件描述std::regex表示一个正则表达式对象，用于编译和存储正则模式。std::smatch存储字符串的匹配结果（如 std::string 的匹配结果）。std::ssub_match表示一个子匹配项（如捕获组的内容）。std::regex_match匹配整个字符串是否符合正则模式。std::regex_search在字符串中搜索符合正则模式的子串。std::regex_replace替换字符串中符合正则模式的部分。std::regex_iterator迭代器，用于遍历所有匹配项。std::regex_constants包含正则表达式选项的命名空间（如忽略大小写、多行模式等）。

2.基本用法示例

1. 正则表达式验证（regex_match）

#include <iostream>
#include <regex>
#include <string>

bool validate_email(const std::string &email) {
    // 正则模式：用户名@域名.顶级域名
    std::regex pattern(R"([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,})");
    return std::regex_match(email, pattern);
}

int main() {
    std::string email = "user@example.com";
    if (validate_email(email)) {
        std::cout << "Valid email!" << std::endl;
    } else {
        std::cout << "Invalid email!" << std::endl;
    }
    return 0;
}

2. 搜索和提取数据（regex_search）

#include <iostream>
#include <regex>
#include <string>

void extract_date(const std::string &text) {
    std::regex pattern(R"((\d{4})-(\d{2})-(\d{2}))"); // 匹配日期格式YYYY-MM-DD
    std::smatch matches;

    if (std::regex_search(text, matches, pattern)) {
        std::cout << "Full match: " << matches[0] << std::endl;
        std::cout << "Year: " << matches[1] << std::endl;
        std::cout << "Month: " << matches[2] << std::endl;
        std::cout << "Day: " << matches[3] << std::endl;
    }
}

int main() {
    std::string text = "Event date: 2023-10-05";
    extract_date(text);
    return 0;
}

3. 替换文本（regex_replace）

#include <iostream>
#include <regex>
#include <string>

std::string mask_phone(const std::string &phone) {
    // 将电话号码中间四位替换为****
    std::regex pattern(R"((\d{3})(\d{4})(\d{4}))"); // 匹配11位手机号
    return std::regex_replace(phone, pattern, "$1****$3");
}

int main() {
    std::string phone = "13812345678";
    std::cout << mask_phone(phone) << std::endl; // 输出: 138****5678
    return 0;
}

4. 遍历所有匹配项（regex_iterator）

#include <iostream>
#include <regex>
#include <string>

void find_all_urls(const std::string &text) {
    std::regex pattern(R"((https?|ftp)://[^\s/$.?#].[^\s]*)");
    auto begin = std::sregex_iterator(text.begin(), text.end(), pattern);
    auto end = std::sregex_iterator();

    for (std::sregex_iterator i = begin; i != end; ++i) {
        std::smatch match = *i;
        std::cout << "Found URL: " << match.str() << std::endl;
    }
}

int main() {
    std::string text = "Visit https://example.com or http://test.org";
    find_all_urls(text);
    return 0;
}

3. 正则表达式语法选项

可以通过 std::regex_constants 中的标志调整正则行为：

示例：忽略大小写匹配

std::regex pattern("hello", std::regex::icase);
std::smatch matches;
std::regex_search("HELLO World", matches, pattern); // 匹配成功

六、常用正则表达式

1.校验数字的表达式

• 数字：^[0-9]*$
• n位的数字：^\d{n}$
• 至少n位的数字：^\d{n,}$
• m-n位的数字：^\d{m,n}$
• 零和非零开头的数字：^(0|[1-9][0-9]*)$
• 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(\.[0-9]{1,2})?$
• 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})$
• 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
• 有两位小数的正实数：^[0-9]+(\.[0-9]{2})?$
• 有1~3位小数的正实数：^[0-9]+(\.[0-9]{1,3})?$
• 非零的正整数：^[1-9]\d* 或 ^([1-9][0-9]*){1,3} 或 ^\+?[1-9][0-9]*
• 非零的负整数：^\-[1-9][]0-9"*
• 非负整数：^\d+ 或 ^[1-9]\d*|0
• 非正整数：^-[1-9]\d*|0 或 ^((-\d+)|(0+))
• 非负浮点数：^\d+(\.\d+)? 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0
• 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?)) 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0
• 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d* 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))
• 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*) 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))
• 浮点数：^(-?\d+)(\.\d+)? 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)

2.校验字符的表达式

• 汉字：^[\u4e00-\u9fa5]{0,}$
• 英文和数字：^[A-Za-z0-9]+ 或 ^[A-Za-z0-9]{4,40}
• 长度为3-20的所有字符：^.{3,20}$
• 由26个英文字母组成的字符串：^[A-Za-z]+$
• 由26个大写英文字母组成的字符串：^[A-Z]+$
• 由26个小写英文字母组成的字符串：^[a-z]+$
• 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
• 由数字、26个英文字母或者下划线组成的字符串：^\w+ 或 ^\w{3,20}
• 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
• 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}
• 可以输入含有^%&',;=?
• 禁止输入含有~的字符：[^~]+

3.特殊需求表达式

• Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
• 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.?
• InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
• 手机号码：^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$
• 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
• 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
• 电话号码正则表达式（支持手机号码，3-4位区号，7-8位直播号码，1－4位分机号）: ((\d{11})|^((\d{7,8})|(\d{4}|\d{3})-(\d{7,8})|(\d{4}|\d{3})-(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})|(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1}))$)
• 身份证号(15位、18位数字)，最后一位是校验位，可能为数字或字符X：(^\d{15})|(^\d{18})|(^\d{17}(\d|X|x)
• 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
• 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
• 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在 8-10 之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z])[a-zA-Z0-9]{8,10}$
• 强密码(必须包含大小写字母和数字的组合，可以使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
• 日期格式：^\d{4}-\d{1,2}-\d{1,2}
• 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
• 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
• 钱的输入格式： 有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧。下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
• xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
• 中文字符的正则表达式：[\u4e00-\u9fa5]
• 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
• 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
• HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? /> ( 首尾空白字符的正则表达式：^\s*|\s*
• 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
• 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
• IPv4地址：((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}