c++ - 使用 std::regex 过滤输入

Question

我有一个乱七八糟的字符串，它由几个 URI 组成。

:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/0_301_0.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02011.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02012.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02110000.svg

我想做的是去掉字符 :/., 的每一次出现，这样我就可以得到一个可以作为有效文件名的字符串。

为了做到这一点，我写了这个简单的正则表达式:[^(:/,.)]根据 http://www.regexpal.com/，这似乎是正确的正则表达式.

但是，当我运行以下 C++ 代码时，我没有得到我期望的结果(只有字母数字字符和下划线)，我只得到序列中的第一个字母数字字符:S .

我对 std::regex 做错了什么，或者我的正则表达式关闭了吗？

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

static const std::string filenames {R"(:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/0_301_0.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02011.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02012.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02110000.svg)"};
static const std::regex filename_extractor("[^(:/,.)]");

int main() {
    std::smatch filename_match;
    if(std::regex_search(filenames, filename_match, filename_extractor))
    {
        std::cout << "Number of filenames: " << filename_match.size() << std::endl;
        for(std::size_t i = 0; i < filename_match.size(); ++i)
        {
            std::cout << i << ": " << filename_match[i] << std::endl;
        }
    }

    return 0;
}

Answer 1

size()的 std::smatch返回子表达式的数量 + 1(带有 ( 和 ) ，您没有)。

解决方案

您需要调用 std::regex_search 重复，或使用 std::regex_iterator .

此外，您的正则表达式实际上只搜索了一个字符。您需要使用 +搜索最长的字符序列:[^(:/,.)]+ .

这是您的代码，结合了 cppreference.com 中的示例:

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

static const std::string filenames {R"(:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/0_301_0.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02011.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02012.svg,:/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02110000.svg)"};
static const std::regex filename_extractor("[^(:/,.)]+");

int main() {
    auto files_begin = std::sregex_iterator(filenames.begin(), filenames.end(), filename_extractor);

    for (auto i = files_begin; i != std::sregex_iterator(); ++i) {
        std::string filename = i->str(); 
        std::cout << filename << '\n';
    }   

    return 0;
}

但是，这也会返回中间“目录”。如果您使用正则表达式 [^(:,)]+ ，你会得到我希望你想要的结果:

/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/0_301_0.svg
/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02011.svg
/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02012.svg
/SymbolStandards/JMSymbology/MIL_STD_2525D_Symbols/02110000.svg

您的问题已解释

std::regex_search仅搜索 第一次 出现的正则表达式，以及其中的任何子表达式。

例如，表达式 ab([cd])([ef])将匹配字符串 xxabcfxxabdef .第一个匹配项是 abcf 部分, 与 c匹配第一个子表达式 [cd]和 e作为第二个子表达式的匹配 [ef] .

第二个匹配是abde的部分(不是 abdef !)，其中 e是第二个子表达式的匹配项。

与 std::regex_search ，您搜索第一个匹配项，匹配器返回完整的 第一个 匹配项和子表达式的匹配项。如果要查找更多匹配项，则必须从字符串的其余部分 ( std::smatch::suffix()) 开始搜索。

此外，正则表达式 [ef]只匹配一个字符。 [ef]+将匹配 e 的最长序列s 和 f秒。因此，匹配 ab([cd])([ef]) 的第二个子表达式对于上面的目标字符串将匹配 ef , 而不仅仅是 e .