如何获取 std::regex 的所有可能匹配项答案

【问题标题】：How to get all possible matches of std::regex如何获取 std::regex 的所有可能匹配项
【发布时间】：2015-10-15 07:31:35
【问题描述】：

我想找到所有可能的正则表达式匹配，怎么可能？

regex rx("(2|25)");
string s = "2225";
for (sregex_iterator it(s.begin(), s.end(), rx), end; it != end; ++it) {
    cout << it->position() << ": " << it->str() << endl;
}

给出输出：

0: 2
1: 2
2: 25

但无法准确找到第三个2: 2。我更喜欢使用正则表达式，因为 O(n) 同时搜索多个标记的复杂性。

更新：

也许将令牌列表拆分为不可前缀列表并创建多个正则表达式？例如：(2|4|25|45|251|455|267) => (2|4), (25|45|267), (251|455) 这会将复杂度增加到类似于 O(n log(m))

更新 2：

请提供基于 STL 的将标记向量拆分为不可前缀向量的简短算法来回答此问题。

【问题讨论】：

如果您只想匹配 2 上的匹配项，为什么要使用 |25 作为正则表达式的一部分？
@Phylogenesis 我想发现O(n) complex 的所有 4 个匹配项：)
我相信你不能在两个不同的匹配组中匹配同一个字符（即你不能匹配 2 作为25 的一部分，但也不能单独匹配）。
@k06a 在这种情况下，为什么要使用正则表达式？这变成了一个简单的文本搜索问题。
正则表达式不仅会降低算法复杂性。您必须检查每个 n 字符是否是 m 不同字符串的开头。根据您的搜索空间的性质，您将很难找到比O(nm) 工作得更好的算法（您真正希望的最好方法是进行一些预先计算以找到匹配的前缀）。

标签： c++ regex c++11 stl

【解决方案1】：

我认为使用迭代器和单个正则表达式是不可能的。这是它的工作原理。

您的正则表达式搜索“2”或“25”的子字符串。现在，您使用sregex_iterator 开始搜索。它从字符串的第一个符号开始，并尝试与您的正则表达式匹配。如果有匹配，则“记录”，迭代器前进到匹配后的位置。如果没有匹配，迭代器向前推进 1 个位置。这个过程一直持续到到达字符串的末尾。

现在，每次找到匹配项时，它都会尝试从您的正则表达式中找到最佳（即最长）匹配项。因此，如果一个子字符串同时匹配2 和25，它将需要25，因为它更长。所以我会说你需要 2 个正则表达式。

【讨论】：

帮我避免m正则表达式，每个将只包含1个令牌:)复杂性增长到O(nm):(
我不认为它实际上匹配最长的匹配，它匹配 first 匹配。候补的顺序很重要：请参阅example。
@Phylogenesis，这很有意思，因为在我的机器上结果正好相反（rx1 找到 2 2 25 和 rx2 找到 2 2 2）
std::(basic_)regex 如果我没记错的话应该默认使用 ECMAScript 规则，这应该更喜欢第一个匹配的替代方案。如果您使用扩展/POSIX，它将更喜欢更长的 IIRC。试试这个：coliru.stacked-crooked.com/a/79388d279f74ce52
@k06a，如果子表达式不是任何其他子表达式的前缀，您可以将它们分组，例如您可以将3|45 分组，因为3 不是45 的前缀

【解决方案2】：

您无法获得第三个“2”，因为正则表达式总是返回最长的匹配项。为了获得“所有可能的匹配”，您需要运行两次查询，因为 2 包含在 25 中。

【讨论】：