C++11 STL Regex正则表达式与字符串字段解析

• 简单的日期正则表达式

一个简单的日期解析程序，从yyyy-mm-dd格式的日期字符串中，分别获取年月日。

先设置一个简单的正则表达式，4位数字的“年”，1-2位数字的“月”和同样1-2位数字的“日”，中间‘-’作为分隔符。程序代码：

#include <iostream>
#include <regex>

using namespace std;

int main() {
    string text = "2018-7-12";
    regex  pattern("[0-9]{4}-[0-9]{1,2}-[0-9]{1,2}");

    smatch results;
    if ( regex_match(text, results, pattern) ) {
        smatch::iterator it = results.begin();
        int i = 0;
        for(; it != results.end(); ++it, ++i)
            cout<<i<<": "<<*it<<endl;
    } else {
        cout << "match failed: " <<text<< endl;
    }
    return 0;
}

执行输出：

0: 2018-7-12

smatch类型是一个匹配结果字符串列表，列表中第一个元素永远是执行匹配操作的原始字符串，后续是根据表达式从原始字符串中解析出的子串。

程序输出结果表示日期字符串与表达式匹配正确，但并没有解析出各个日期字段子串。

如果需要解析出子串，则需要对表达式分组。

• 表达式分组

分组后的表达式，匹配操作才会以分组位单位输出解析出的子串。将pattern表达式修改如下：

regex  pattern("([0-9]{4}-[0-9]{1,2}-[0-9]{1,2})");

在这里，整个表达式包含在一个圆括号里，将整个表达式作为一个分组。

执行后输出：

0: 2018-7-12
1: 2018-7-12

下标为1的输出项，即为整个表达式分组所匹配到的内容，也就是整个日期字符串，但这还没有达到逐字段分解的目标，需要将分组细分。

• 表达式分组细分

将表达式改为：

regex  pattern("([0-9]{4})-([0-9]{1,2})-([0-9]{1,2})");

其中包含了3个分组（尽管后面两个分组表达式一样，但月份和日期的取值范围并不完全相同，这里只简单设置）

执行结果：

0: 2018-7-12
1: 2018
2: 7
3: 12

终于达到了日期字段分解的目标。

然后，日期字符串中，月份的表达方式可以是数字，也可以是字母名称，如Jan,Feb,Mar等，那么就需要在表达式中兼容多种格式的日期字符串。

• 多个格式的月份表达式

当前日期字符串变更名称月份，表达式中增加月份名称：

string text = "2018-Jan-18";
regex  pattern("([0-9]{4})-(([0-9]{1,2})|(Jan|Feb|Mar))-([0-9]{1,2})");

运行结果：

0: 2018-Jan-18
1: 2018
2: Jan
3:
4: Jan
5: 18

在这个表达式中，数字月份作为一个分组，名称月份也是一个分组，两者又合并成一个月份分组，因此匹配月份时，存在这三个分组（一个父分组包含2个子分组），运行输出结果中2-4分别是这三个分组分别对月份匹配的结果，数字月份的子分组表达式没有匹配到，因此输出空字符串。

这样的结果并不令人满意，对于月份来说，只需输出一项即可，即对于月份匹配，两个子分组不需要单独输出，只需要表示月份的父级分组输出即可。

通过将子分组指定为消极分组（Passive Group）即可。

• 消极分组

将表达式改为：

regex  pattern("([0-9]{4})-((?:[0-9]{1,2})|(?:Jan|Feb|Mar))-([0-9]{1,2})");

在分组中加上“?:”前缀，即表示该分组位消极分组，在此表达式中，将数字月份和名称月份的子分组都标记为消息分组，运行结果：

0: 2018-Jan-18
1: 2018
2: Jan
3: 18