Notions de base sur les expressions régulières en C++

Cette chaîne peut être à l'intérieur de l'ordinateur et l'utilisateur peut vouloir savoir si elle contient le mot man. S'il contient le mot homme, il peut alors vouloir changer le mot homme en femme ; de sorte que la chaîne doit lire :

Il y a beaucoup d'autres désirs comme ceux-ci de la part de l'utilisateur d'ordinateur ; certains sont complexes. L'expression régulière, abrégée, regex, fait l'objet de la gestion de ces problèmes par l'ordinateur. C++ est livré avec une bibliothèque appelée regex. Ainsi, un programme C++ pour gérer les expressions régulières devrait commencer par :

Cet article explique les bases des expressions régulières en C++.

Contenu de l'article

• Principes fondamentaux des expressions régulières
• Modèle
• Classes de personnages
• Correspondance des espaces blancs
• Le point (.) dans le motif
• Répétitions correspondantes
• Alternance correspondante
• Correspondance du début ou de la fin
• Regroupement
• Les constantes regex_constantes icase et multiligne
• Faire correspondre l'ensemble de la cible
• L'objet match_results
• Position du match
• Rechercher et remplacer
• Conclusion

Principes fondamentaux des expressions régulières

Regex

Une chaîne comme Voici mon homme. ci-dessus est la séquence cible ou la chaîne cible ou simplement, la cible. man, qui a été recherché, est l'expression régulière, ou simplement, regex.

Correspondant à

On dit que la correspondance se produit lorsque le mot ou la phrase recherchée est localisé. Après appariement, un remplacement peut avoir lieu. Par exemple, après que l'homme soit situé au-dessus, il peut être remplacé par la femme.

Correspondance simple

Le programme suivant montre comment le mot man est mis en correspondance.

La fonction regex_search() renvoie true s'il y a une correspondance et renvoie false si aucune correspondance ne se produit. Ici, la fonction prend deux arguments : le premier est la chaîne cible et le second est l'objet regex. La regex elle-même est 'man', entre guillemets. La première instruction de la fonction main() forme l'objet regex. Regex est un type et reg est l'objet regex. La sortie du programme ci-dessus est « correspondée », car « man » est vu dans la chaîne cible. Si 'man' n'avait pas été vu dans la cible, regex_search() aurait renvoyé false et la sortie aurait été 'pas de correspondance'.

La sortie du code suivant ne correspond pas :

Ne correspond pas car l'expression régulière 'man' n'a pas pu être trouvée dans l'intégralité de la chaîne cible, 'Voici ma fabrication'.

Modèle

L'expression régulière, man ci-dessus, est très simple. Les expressions régulières ne sont généralement pas si simples. Les expressions régulières ont des métacaractères. Les métacaractères sont des caractères ayant une signification particulière. Un métacaractère est un caractère sur les personnages. Les métacaractères regex C++ sont :

Une expression régulière, avec ou sans métacaractères, est un modèle.

Classes de personnages

Crochets

Un modèle peut avoir des caractères entre crochets. Avec cela, une position particulière dans la chaîne cible correspondrait à l'un des caractères des crochets. Considérez les cibles suivantes :

L'expression régulière, [cbr]at correspondrait à cat dans la première cible. Il correspondrait à la batte dans la deuxième cible. Il correspondrait au rat dans la troisième cible. C'est parce que, chat ou chauve-souris ou rat commence par 'c' ou 'b' ou 'r'. Le segment de code suivant illustre cela :

La sortie est :

Gamme de caractères

La classe, [cbr] dans le modèle [cbr], correspondrait à plusieurs caractères possibles dans la cible. Il correspondrait à « c » ou « b » ou « r » dans la cible. Si la cible n'a aucun des 'c' ou 'b' ou 'r', suivi de at, il n'y aurait pas de correspondance.

Certaines possibilités comme « c » ou « b » ou « r » existent dans une plage. La plage de chiffres, 0 à 9 a 10 possibilités, et le modèle pour cela est [0-9]. La gamme d'alphabets minuscules, a à z, a 26 possibilités, et le modèle pour cela est [a-z]. La gamme d'alphabets majuscules, A à Z, a 26 possibilités, et le modèle pour cela est [A-Z]. – n'est pas officiellement un métacaractère, mais entre crochets, il indiquerait une plage. Ainsi, ce qui suit produit une correspondance :

Notez comment l'expression régulière a été construite en tant que deuxième argument. La correspondance se produit entre le chiffre, 6 dans la plage, 0 à 9, et le 6 dans la cible, ID6id. Le code ci-dessus est équivalent à :

Le code suivant produit une correspondance :

Notez que le premier argument ici est une variable de chaîne et non le littéral de chaîne. La correspondance est entre 'i' dans [a-z] et 'i' dans ID6iE.

N'oubliez pas qu'une gamme est une classe. Il peut y avoir du texte à droite de la plage ou à gauche de la plage dans le modèle. Le code suivant produit une correspondance :

La correspondance est entre ID[0-9]id et ID2id. Le reste de la chaîne cible, est un ID, n'est pas mis en correspondance dans cette situation.

Tel qu'il est utilisé dans le sujet des expressions régulières (regex), le mot classe signifie en fait un ensemble. C'est-à-dire que l'un des personnages de l'ensemble doit correspondre.

Remarque : Le tiret – est un métacaractère uniquement entre crochets, indiquant une plage. Ce n'est pas un métacaractère dans l'expression régulière, en dehors des crochets.

Négation

Une classe comprenant une plage peut être annulée. C'est-à-dire qu'aucun des caractères de l'ensemble (classe) ne doit correspondre. Ceci est indiqué par le métacaractère ^ au début du modèle de classe, juste après le crochet ouvrant. Ainsi, [^0-9] signifie faire correspondre le caractère à la position appropriée dans la cible, qui n'est pas un caractère dans la plage 0 à 9 inclus. Le code suivant ne produira donc pas de correspondance :

Un chiffre compris entre 0 et 9 peut être trouvé dans n'importe quelle position de chaîne cible, 0123456789101112 ; donc il n'y a pas de correspondance – la négation.

Le code suivant produit une correspondance :

Aucun chiffre n'a pu être trouvé dans la cible, ABCDEFGHIJ, ; donc il y a correspondance.

[a-z] est une plage en dehors de [^a-z]. Et donc [^a-z] est la négation de [a-z].

[A-Z] est une plage en dehors de [^A-Z]. Et donc [^A-Z] est la négation de [A-Z].

D'autres négations existent.

Correspondance des espaces blancs

' ' ou ou ou ou f est un caractère d'espacement. Dans le code suivant, l'expression régulière, correspond à ' ' dans la cible :

Correspondance avec n'importe quel caractère d'espacement

Le modèle ou la classe pour correspondre à n'importe quel caractère d'espace blanc est, [ f]. Dans le code suivant, ' ' est mis en correspondance :

Correspondance avec n'importe quel caractère non blanc

Le modèle ou la classe correspondant à tout caractère autre qu'un espace blanc est [^ f]. Le code suivant produit une correspondance car il n'y a pas d'espace dans la cible :

Le point (.) dans le motif

Le point (.) dans le modèle correspond à n'importe quel caractère, y compris lui-même, à l'exception de , dans la cible. Une correspondance est produite dans le code suivant :

Aucun résultat correspondant dans le code suivant car la cible est .

Remarque : à l'intérieur d'une classe de caractères entre crochets, le point n'a pas de signification particulière.

Répétitions correspondantes

Un caractère ou un groupe de caractères peut apparaître plusieurs fois dans la chaîne cible. Un motif peut correspondre à cette répétition. Les métacaractères ?, *, + et {} sont utilisés pour faire correspondre la répétition dans la cible. Si x est un caractère d'intérêt dans la chaîne cible, les métacaractères ont les significations suivantes :

Ces métacaractères sont appelés quantificateurs.

Illustrations

*

Le * correspond au caractère ou au groupe précédent, zéro ou plusieurs fois. o* correspond à « o » dans le chien de la chaîne cible. Il correspond également à oo dans le livre et à la recherche. L'expression régulière, o* correspond à boooo dans L'animal booooed.. Remarque : o* correspond à dig, où 'o' apparaît à zéro (ou plus).

+

Le + correspond au caractère précédent ou au groupe précédent, 1 ou plusieurs fois. Comparez-le avec zéro ou plusieurs fois pour *. Ainsi, l'expression régulière e+ correspond à « e » dans manger, où « e » apparaît une fois. e+ correspond également à ee chez le mouton, où « e » apparaît plus d'une fois. Remarque : e+ ne correspondra pas à dig car dans dig, « e » ne se produit pas au moins une fois.

?

Les ? correspond au caractère précédent ou au groupe précédent, 0 ou 1 fois (et pas plus). Alors, e ? correspond à dig parce que 'e' apparaît dans dig, zéro temps. e? correspond à l'ensemble parce que 'e' apparaît dans l'ensemble, une fois. Remarque : e ? correspond toujours aux moutons; bien qu'il y ait deux 'e' dans le mouton. Il y a une nuance ici – voir plus loin.

{n,}

Cela correspond à au moins n répétitions consécutives d'un caractère précédent ou d'un groupe précédent. Ainsi, la regex, e{2,} correspond aux deux 'e' dans la cible, mouton, et aux trois 'e' dans la cible mouton. e{2,} ne correspond pas à l'ensemble, car l'ensemble n'a qu'un seul « e ».

{n}

Cela correspond exactement à n répétitions consécutives d'un caractère ou d'un groupe précédent. Ainsi, la regex, e{2} correspond aux deux 'e' dans la cible, mouton. e{2} ne correspond pas à l'ensemble car l'ensemble n'a qu'un seul « e ». Eh bien, e{2} correspond à deux 'e' dans la cible, mouton. Il y a une nuance ici – voir plus loin.

{n,m}

Cela correspond à plusieurs répétitions consécutives d'un caractère précédent ou d'un groupe précédent, de n à m inclus. Donc, e{1,3} ne correspond à rien dans dig, qui n'a pas de « e ». Il correspond à un 'e' dans l'ensemble, aux deux 'e' en mouton, aux trois 'e' en mouton et trois 'e' en mouton. Il y a une nuance au dernier match – voir plus tard.

Alternance correspondante

Considérez la chaîne cible suivante dans l'ordinateur.

La ferme a des porcs de différentes tailles.

Le programmeur peut vouloir savoir si cette cible a une chèvre, un lapin ou un cochon. Le code serait le suivant :

Le code produit une correspondance. Notez l'utilisation du caractère d'alternance, |. Il peut y avoir deux, trois, quatre et plus d'options. C++ essaiera d'abord de faire correspondre la première alternative, chèvre, à chaque position de caractère dans la chaîne cible. S'il ne réussit pas avec la chèvre, il essaie l'alternative suivante, le lapin. S'il ne réussit pas avec le lapin, il essaie l'alternative suivante, le cochon. Si pig échoue, alors C++ passe à la position suivante dans la cible et recommence avec la première alternative.

Dans le code ci-dessus, pig est apparié.

Correspondance du début ou de la fin

Début

Si ^ est au début de l'expression régulière, le texte de début de la chaîne cible peut être mis en correspondance avec l'expression régulière. Dans le code suivant, le début de la cible est abc, qui correspond :

Aucune correspondance n'a lieu dans le code suivant :

Ici, abc n'est pas au début de la cible.

Remarque : Le caractère circonflexe, « ^ », est un métacaractère au début de l'expression régulière, correspondant au début de la chaîne cible. C'est toujours un métacaractère au début de la classe de caractères, où il annule la classe.

Finir

Si $ est à la fin de l'expression régulière, le texte de fin de la chaîne cible peut être mis en correspondance avec l'expression régulière. Dans le code suivant, la fin de la cible est xyz, qui correspond :

Aucune correspondance n'a lieu dans le code suivant :

Ici, xyz n'est pas à la fin de la cible.

Regroupement

Les parenthèses peuvent être utilisées pour regrouper des caractères dans un motif. Considérez l'expression régulière suivante :

Le groupe est ici pianiste entouré des métacaractères ( et ). C'est en fait un sous-groupe, alors qu'un concert (pianiste) c'est l'ensemble du groupe. Considérer ce qui suit:

Ici, le sous-groupe ou la sous-chaîne est, le pianiste est bon.

Sous-chaînes avec des parties communes

Un comptable est une personne qui s'occupe des livres. Imaginez une bibliothèque avec un comptable et une étagère. Supposons que l'une des chaînes cibles suivantes se trouve dans l'ordinateur :

Supposons que l'intérêt du programmeur n'est pas de savoir laquelle de ces phrases est dans l'ordinateur. Pourtant, son intérêt est de savoir si une étagère ou un comptable est présent dans la chaîne cible de l'ordinateur. Dans ce cas, son regex peut être :

Utiliser l'alternance.

Remarquez que le livre, qui est commun aux deux mots, a été tapé deux fois, dans les deux mots du motif. Pour éviter de taper book deux fois, la regex serait mieux écrite comme :

Ici, le groupe, étagère|gardienne Le métacaractère d'alternance a toujours été utilisé, mais pas pour deux longs mots. Il a été utilisé pour les deux parties finales des deux longs mots. C++ traite un groupe comme une entité. Ainsi, C++ recherchera une étagère ou un gardien qui vient immédiatement après le livre. La sortie du code suivant est mise en correspondance :

étagère et non comptable ont été appariés.

Les constantes regex_constantes icase et multiligne

icase

La correspondance est sensible à la casse par défaut. Cependant, il peut être rendu insensible à la casse. Pour ce faire, utilisez la constante regex::icase, comme dans le code suivant :

La sortie est adaptée. Ainsi, les commentaires avec « F » majuscule ont été mis en correspondance avec le flux avec « f » minuscule. regex::icase est devenu le deuxième argument du constructeur regex(). Sans cela, la déclaration ne produirait pas de correspondance.

Multiligne

Considérez le code suivant :

La sortie ne correspond pas. L'expression régulière, ^.*$, correspond à la chaîne cible de son début à sa fin. .* signifie n'importe quel caractère sauf , zéro ou plusieurs fois. Ainsi, en raison des caractères de nouvelle ligne ( ) dans la cible, il n'y avait pas de correspondance.

La cible est une chaîne multiligne. Pour que '.' corresponde au caractère de nouvelle ligne, la constante regex::multiline doit être créée, le deuxième argument de la construction regex(). Le code suivant illustre cela :

Faire correspondre la chaîne cible entière

Pour faire correspondre l'intégralité de la chaîne cible, qui n'a pas le caractère de nouvelle ligne ( ), la fonction regex_match() peut être utilisée. Cette fonction est différente de regex_search(). Le code suivant illustre cela :

Il y a une correspondance ici. Cependant, notez que l'expression régulière correspond à l'ensemble de la chaîne cible et que la chaîne cible n'a pas de «   ».

L'objet match_results

La fonction regex_search() peut prendre un argument entre la cible et l'objet regex. Cet argument est l'objet match_results. L'ensemble de la chaîne (partie) correspondante et les sous-chaînes correspondantes peuvent être connues avec. Cet objet est un tableau spécial avec des méthodes. Le type d'objet match_results est cmatch (pour les littéraux de chaîne).

Obtenir des correspondances

Considérez le code suivant :

La chaîne cible contient le mot femme. La sortie est woman’, ce qui correspond à la regex, w.m.n. À l'index zéro, le tableau spécial contient la seule correspondance, qui est woman.

Avec les options de classe, seule la première sous-chaîne trouvée dans la cible est envoyée au tableau spécial. Le code suivant illustre cela :

La sortie est rat à partir de l'indice zéro. m[1] et m[2] sont vides.

Avec les alternatives, seule la première sous-chaîne trouvée dans la cible est envoyée au tableau spécial. Le code suivant illustre cela :

La sortie est lapin à partir de l'index zéro. m[1] et m[2] sont vides.

Groupements

Lorsque des groupes sont impliqués, le motif complet correspondant est placé dans la cellule zéro du tableau spécial. La prochaine sous-chaîne trouvée va dans la cellule 1 ; la sous-chaîne suivante va dans la cellule 2 ; etc. Le code suivant illustre cela :

La sortie est :

Notez que le groupe (vendeur) vient avant le groupe (sel).

Position du match

La position de match pour chaque sous-chaîne dans le tableau cmatch peut être connue. Le comptage commence à partir du premier caractère de la chaîne cible, à la position zéro. Le code suivant illustre cela :

Notez l'utilisation de la propriété position, avec l'index de la cellule, comme argument. La sortie est :

Rechercher et remplacer

Un nouveau mot ou une nouvelle phrase peut remplacer la correspondance. La fonction regex_replace() est utilisée pour cela. Cependant, cette fois, la chaîne où le remplacement se produit est l'objet chaîne, et non le littéral de chaîne. Ainsi, la bibliothèque de chaînes doit être incluse dans le programme. Illustration:

La fonction regex_replace(), telle que codée ici, remplace toutes les correspondances. Le premier argument de la fonction est la cible, le second est l'objet regex et le troisième est la chaîne de remplacement. La fonction renvoie une nouvelle chaîne, qui est la cible mais ayant le remplacement. La sortie est :

Voici ma femme. Voilà ta femme.

Conclusion

L'expression régulière utilise des modèles pour faire correspondre les sous-chaînes dans la chaîne de séquence cible. Les modèles ont des métacaractères. Les fonctions couramment utilisées pour les expressions régulières C++ sont : regex_search(), regex_match() et regex_replace(). Une expression régulière est un motif entre guillemets doubles. Cependant, ces fonctions prennent l'objet regex comme argument et pas seulement la regex. La regex doit être transformée en un objet regex avant que ces fonctions ne puissent l'utiliser.