c++ - 如何只获得给定的捕获组 C++

Question

我想提取标签的内部内容。来自以下字符串:

<tag1 val=123>Hello</tag1>

我只想得到

Hello

我的工作:

string s = "<tag1 val=123>Hello</tag1>";
regex re("<tag1.*>(.*)</tag1>");
smatch matches;
bool b = regex_match(s, matches, re);

但它返回两个匹配项:

<tag1 val=123>Hello</tag1>
Hello

当我尝试像这样只获取第一个捕获组时:

"<tag1.*>(.*)</tag1>\1"

我得到零个匹配项。

请指教。

Answer 1

regex_match 仅返回一个匹配项，包含所有捕获组子匹配项(它们的数量取决于模式中有多少组)。

在这里，您只会得到 1 个包含两个子匹配项的匹配项:1) 整个匹配项，2) 捕获组 1 的值。

要获取捕获组的内容，需要访问smatches对象第二个元素，matches[1].str()或 matches.str(1)

注意当你写"<tag1.*>(.*)</tag1>\1" , \1未被解析为反向引用，而是作为具有八进制代码 1 的字符。即使您定义了一个反向引用(如 "<tag1.*>(.*)</tag1>\\1")，您也需要使用捕获组 1 在 </tag1> 之后重复- 那绝对不是你想要的。实际上，我怀疑这个正则表达式有什么用，至少，你需要替换 ".*"与 "[\\s\\S]*?" , 但它仍然是一种使用正则表达式解析 HTML 的脆弱方法。