使用 std::regex 过滤输入

Question

我有一个难看的字符串，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

我想要做的是去掉每个出现的字符:/.,，这样我就可以有一个字符串作为有效的文件名。

我写了这个简单的正则表达式就是为了做到这一点：[^(:/,.)] 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，我没有得到我所期望的（只是字母数字字符和下划线），我只得到了序列中的第一个字母数字字符：S。

我在 std::regex 上做错了什么，或者我的 regex 表达式关闭了？

#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

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

解决方案

您需要反复拨打std::regex_search，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+ 来搜索最长的字符序列：[^(:/,.)]+。

这是您的代码，包含来自cppreference.com 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”。 如果你使用正则表达式[^(:,)]+，你会得到我期望你想要的结果：

/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。 第一个匹配是 abcf 部分，c 是第一个子表达式 [cd] 的匹配，e 是第二个子表达式 [ef] 的匹配。

第二个匹配是abde（不是abdef！），其中e是第二个子表达式的匹配。

使用std::regex_search，您搜索第一个匹配项，匹配器返回完整的first 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开始搜索 (std::smatch::suffix())。

此外，正则表达式[ef] 仅匹配单个字符。 [ef]+ 将匹配 es 和 fs 的最长序列。 因此，ab([cd])([ef]) 的第二个子表达式与上述目标字符串的匹配将匹配ef，而不仅仅是e。

Answer 2

我认为std::regex_replace 是你需要的：

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

const std::string filenames {R"(:/MIL_STD/0_3.svg,:/SS/2525D/02011.svg)"};
const std::regex filename_extractor("[(:/,.)]");

int main()
{
    std::string r;

    std::regex_replace(std::back_inserter(r),
        filenames.begin(), filenames.end(), filename_extractor, "");

    std::cout << "before: " << filenames << '\n';
    std::cout << " after: " << r << '\n';
}

但是我认为正则表达式对于删除字符可能有点矫枉过正，您可以使用std::remove_copy_if 更有效地做到这一点：

#include <string>
#include <iostream>
#include <algorithm>

const std::string filenames {R"(:/MIL_STD/0_3.svg,:/SS/2525D/02011.svg)"};
const std::string filename_extractor("(:/,.)");

int main()
{
    std::string r;

    std::remove_copy_if(filenames.begin(), filenames.end(),
        std::back_inserter(r), [](char c)
    {
        return filename_extractor.find(c) != std::string::npos;
    });

    std::cout << "before: " << filenames << '\n';
    std::cout << " after: " << r << '\n';
}