c++ - 根据 CPlusPlus.com 使用 std::regex_iterator

Question

我正在阅读有关 std::regex_iterator<std::string::iterator> 的文档因为我正在尝试学习如何使用它来解析 HTML 标签。网站给出的例子是

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

int main ()
{
  std::string s ("this subject has a submarine as a subsequence");
  std::regex e ("\\b(sub)([^ ]*)");   // matches words beginning by "sub"

  std::regex_iterator<std::string::iterator> rit ( s.begin(), s.end(), e );
  std::regex_iterator<std::string::iterator> rend;

  while (rit!=rend) {
    std::cout << rit->str() << std::endl;
    ++rit;
  }

  return 0;
}

( http://www.cplusplus.com/reference/regex/regex_iterator/regex_iterator/ )

我有一个问题:如果 rend从未初始化，那么它是如何在 rit!=rend 中有意义地使用的？ ？

另外，我应该使用什么工具来从 HTML 标记中获取属性？我想要做的是使用 "class='class1 class2' id = 'myId' onclick ='myFunction()' >" 这样的字符串并分成两对

( "class" , "class1 class2" ), ( "id" , "myId" ), ( "onclick" , "myFunction()" )

然后从那里与他们一起工作。我打算使用的正则表达式是

([A-Za-z0-9\\-]+)\\s*=\\s*(['\"])(.*?)\\2

因此我计划遍历该类型的表达式，同时跟踪我是否仍在标记中(即我是否传递了 '>' 字符)。这样做会不会太难？

感谢您为我提供的任何指导。

Answer 1

“如果 rend 从未初始化”是什么意思？显然，std::regex_iterator<I>有一个默认的构造函数。由于迭代只是前向迭代，所以结束迭代器只需要是适合检测结束被使用的东西。默认构造函数可以设置rend相应地。

这是标准 C++ 库中其他几个地方使用的习语，例如 std::istream_iterator<T> .理想情况下，可以使用不同的类型来指示结束迭代器(例如，请参阅 Eric Niebler's discussion 关于此问题，链接是四页中的第一页)，但标准目前要求在使用算法时这两种类型匹配。

关于使用正则表达式解析 HTML 请引用 this answer .