c++ - std::regex 转义在正则表达式中使用的特殊字符

Question

我正在创建一个 std::regex(__FILE__) 作为单元测试的一部分，该单元测试检查一些打印文件名的异常输出。

在 Windows 上它失败了:

regex_error(error_escape): The expression contained an invalid escaped character, or a trailing escape.

因为 __FILE__ 宏扩展包含未转义的反斜杠。

是否有比循环遍历结果字符串(即使用 std 算法或某些 std::string 函数)更优雅的方式来转义反斜杠？

Answer 1

文件路径可以包含许多在正则表达式模式中具有特殊含义的字符。在一般情况下，仅转义反斜杠不足以进行可靠的检查。

即使是一个简单的路径，如 C:\Program Files (x86)\Vendor\Product\app.exe，也包含几个特殊字符。如果您想将其转换为正则表达式(或正则表达式的一部分)，您不仅需要转义反斜杠，还需要转义括号和句点(点)。

幸运的是，我们可以用更多的正则表达式来解决我们的正则表达式问题:

std::string EscapeForRegularExpression(const std::string &s) {
  static const std::regex metacharacters(R"([\.\^\$\-\+\(\)\[\]\{\}\|\?\*)");
  return std::regex_replace(s, metacharacters, "\\$&");
}

(文件路径不能包含 * 或 ?，但我包含它们是为了保持函数的通用性。)

如果您不遵守“无原始循环”准则，可能更快的实现将避免正则表达式:

std::string EscapeForRegularExpression(const std::string &s) {
  static const char metacharacters[] = R"(\.^$-+()[]{}|?*)";
  std::string out;
  out.reserve(s.size());
  for (auto ch : s) {
    if (std::strchr(metacharacters, ch))
      out.push_back('\\');
    out.push_back(ch);
  }
  return out;
}

虽然循环增加了一些困惑，但这种方法允许我们在 metacharacters 的定义上降低一定程度的转义，这是对正则表达式版本的可读性胜利。