65.9K
CodeProject 正在变化。 阅读更多。
Home

在 MFC 中使用正则表达式

Sam NG
starIconstarIconstarIconstarIcon
emptyStarIcon
starIcon

4.81/5 (26投票s)

2006年3月6日

4分钟阅读

viewsIcon

197650

downloadIcon

5591

CATLRegExp - 一个 Visual C++ 内置的正则表达式。

Sample image

引言

我想大多数人在 C++ 项目中使用正则表达式时，会想到 Boost::Regex 或 PCRE。然而，事实上，微软在 ATL 服务器组件中也有自己的正则表达式实现，它叫做 CAtlRegExp。作为奖励，CAtlRegExp 不仅支持 ASCII 和 Unicode，还支持 MBCS。

支持的正则表达式语法

下表来自 MSDN。您会注意到，该语法与 Perl 的不完全相同。例如，分组运算符是 {}，而在 Perl 中是 ()，并且它没有 Perl 语法中的 {n}（匹配正好 n 次）<。

元字符含义
. 匹配任何单个字符。
[ ] 表示一个字符类。匹配方括号内的任何字符（例如，[abc] 匹配“a”、“b”和“c”）。
^ 如果此元字符出现在字符类的开头，则它会否定该字符类。否定字符类匹配方括号内的字符以外的任何字符（例如，[^abc] 匹配除“a”、“b”和“c”之外的所有字符）。

如果 ^ 出现在正则表达式的开头，则它匹配输入的开头（例如，^[abc] 只匹配以“a”、“b”或“c”开头的输入）。

- 在字符类中，表示字符范围（例如，[0-9] 匹配“0”到“9”之间的任何数字）。
? 表示前面的表达式是可选的：它最多匹配一次（例如，[0-9][0-9]? 匹配“2”和“12”）。
+ 表示前面的表达式匹配一次或多次（例如，[0-9]+ 匹配“1”、“13”、“666”等）。
* 表示前面的表达式匹配零次或多次。
??, +?, *? 非贪婪版本的 ?、+ 和 *。这些会尽可能少地匹配，与贪婪版本（尽可能多地匹配）相反。例如：给定输入“<abc><def>”，<.*?> 匹配“<abc>”，而 <.*> 匹配“<abc><def>”。
( ) 分组运算符。例如：(\d+,)*\d+ 匹配由逗号分隔的数字列表（例如，“1”或“1,23,456”）。
{ } 表示一个匹配组。可以通过 CAtlREMatchContext 对象检索输入中匹配大括号内表达式的实际文本。
\ 转义字符：将下一个字符按字面意思解释（例如，[0-9]+ 匹配一个或多个数字，但 [0-9]\+ 匹配一个数字后跟一个加号字符）。也用于缩写（例如，\a 表示任何字母数字字符；请参见下表）。

如果 \ 后面跟着一个数字 n，则它匹配第 n 个匹配组（从 0 开始）。例如：<{.*?}>.*?</\0> 匹配“<head>Contents</head>”。

请注意，在 C++ 字符串字面量中，必须使用两个反斜杠："\\+"、"\\a"、"<{.*?}>.*?</\\0>"。

$ 在正则表达式的末尾，此字符匹配输入的末尾。例如：[0-9]$ 匹配输入末尾的数字。
| 选择运算符：分隔两个表达式，其中只有一个匹配（例如，T|the 匹配“The”或“the”）。
! 否定运算符：! 后面的表达式不匹配输入。例如：a!b 匹配后面不是“b”的“a”。

CAtlRegExp 可以处理缩写，例如将 [0-9] 替换为 \d。缩写由传递给 CharTraits 参数的字符特征类提供。预定义的字符特征类提供以下缩写

缩写 匹配
\a 任何字母数字字符：([a-zA-Z0-9])
\b 空白字符（空格）：([ \\t])
\c 任何字母字符：([a-zA-Z])
\d 任何十进制数字：([0-9])
\h 任何十六进制数字：([0-9a-fA-F])
\n 换行符：(\r|(\r?\n))
\q 带引号的字符串：“(\"[^\"]*\")|(\'[^\']*\')”
\w 一个简单的单词：([a-zA-Z]+)
\z 一个整数：([0-9]+)

使用代码

虽然 CAtlRegExp 是 ATL 服务器类的一部分，但您不必使用 ATL 项目即可使用此类，只需 #include "atlrx.h" 即可。

我编写了一个简单的基于对话框的程序来测试/演示 CAtlRegExp。程序的核心代码如下所示。

// create regular expression content
CAtlRegExp<> regex;
REParseError status = regex.Parse(m_szRegex, m_bCaseSensitive);

if (REPARSE_ERROR_OK != status) {
  // invalid pattern, show error
  m_szStatus = TEXT("Parser Error: ");
  m_szStatus += REError2String(status);
} else {
  // valid regex pattern, now try to match the content
  CAtlREMatchContext<> mc;
  if (!regex.Match(m_szInput, &mc)) {
    // content not match
    m_szStatus = TEXT("No match");
  } else {
    // content match, show match-group
    m_szStatus = TEXT("Success match");
    for (UINT nGroupIndex = 0; nGroupIndex < mc.m_uNumGroups; 
         ++nGroupIndex) {
      const CAtlREMatchContext<>::RECHAR* szStart = 0;
      const CAtlREMatchContext<>::RECHAR* szEnd = 0;
      mc.GetMatch(nGroupIndex, &szStart, &szEnd);
      ptrdiff_t nLength = szEnd - szStart;
      CString text(szStart, nLength);
      m_ctrlListBox.AddString(text);
    }
  }
}

REError2String 函数如下所示。

// refer to REParseError for more information
CString CMfcRegexDlg::REError2String(REParseError status)
{
  switch (status) {
    case REPARSE_ERROR_OK:
         return TEXT("No error occurred");
    case REPARSE_ERROR_OUTOFMEMORY:
         return TEXT("Out of memory");
    case REPARSE_ERROR_BRACE_EXPECTED:
         return TEXT("A closing brace was expected");
    case REPARSE_ERROR_PAREN_EXPECTED:
         return TEXT("A closing parenthesis was expected");
    case REPARSE_ERROR_BRACKET_EXPECTED:
         return TEXT("A closing bracket was expected");
    case REPARSE_ERROR_UNEXPECTED:
         return TEXT("An unspecified fatal error occurred");
    case REPARSE_ERROR_EMPTY_RANGE:
         return TEXT("A range expression was empty");
    case REPARSE_ERROR_INVALID_GROUP:
         return TEXT("A back reference was made to a group" 
                     " that did not exist");
    case REPARSE_ERROR_INVALID_RANGE:
         return TEXT("An invalid range was specified");
    case REPARSE_ERROR_EMPTY_REPEATOP:
         return TEXT("A repeat operator (* or +) was applied" 
                     " to an expression that could be empty");
    case REPARSE_ERROR_INVALID_INPUT:
         return TEXT("The input string was invalid");
    default: return TEXT("Unknown error");
  }
}

关于 MBCS 的特别说明

默认情况下，CAtlRegExp 使用 CAtlRECharTraits，对于非 Unicode 版本，它是 CAtlRECharTraitsA。但是，除非您使用严格纯粹的 ASCII，否则应使用 CAtlRECharTraitsMB；否则，在非 ASCII 文本中可能会遇到一些意外的结果。例如，中文的“词”（"word"）在 Big5 编码中是双字节词“\0xA6 r”，其第二个字节是“r”。

参考文献

历史

  • 2006 年 3 月 6 日：上传初始版本。
© . All rights reserved.