【C/C++】sscanf函数和正则表达式

此文所有的实验都是基于下面的程序：

char str[10];
for (int i = 0; i < 10; i++) str[i] = '!';

执行完后str的值为

str = "!!!!!!!!!!"

我们把str的每个字符都初始化为惊叹号，当str的值发生变化时，使用printf打印str的值，对比先前的惊叹号，这样就可以方便的观察str发生了怎样的变化。下面我们做几个小实验，看看使用sscanf和正则表达式格式化输入后，str有什么变化。

实验1：

sscanf("123456", "%s", str);  // str的值为 "123456\0!!!"

这个实验很简单，把源字符串"123456"拷贝到str的前6个字符，并且把str的第7个字符设为null字符，也就是\0

实验2：

sscanf("123456", "%3s", str);  // str的值为 "123\0!!!!!!"

看到没有，正则表达式的百分号后面多了一个3，这告诉sscanf只拷贝3个字符给str，然后把第4个字符设为null字符。

实验3：

sscanf("aaaAAA", "%[a-z]", str);  // str的值为 "aaa\0!!!!!!"

从这个实验开始我们会使用正则表达式，括号里面的a-z就是一个正则表达式，它可以表示从a到z的任意字符，

在继续讨论之前，我们先来看看百分号表示什么意思，%表示选择，%后面的是条件，比如实验1的"%s"，s是一个条件，表示任意字符，"%s"的意思是：只要输入的东西是一个字符，就把它拷贝给str。实验2的"%3s"又多了一个条件：只拷贝3个字符。实验3的“%[a-z]”的条件稍微严格一些，输入的东西不但是字符，还得是一个小写字母的字符，所以实验3只拷贝了小写字母"aaa"给str，别忘了加上null字符。

实验4：

sscanf("AAAaaaBBB", "%[^a-z]", str);  // str的值为 "AAA\0!!!!!!"

对于所有字符，只要不是小写字母，都满足"^a-z"正则表达式，符号^表示逻辑非。前3个字符都不是小写字符，所以将其拷贝给str，但最后3个字符也不是小写字母，为什么不拷贝给str呢？这是因为当碰到不满足条件的字符后，sscanf就会停止执行，不再扫描之后的字符。

实验5：

sscanf("AAAaaaBBB", "%[A-Z]%[a-z]", str);  // 段错误

这个实验的本意是：先把大写字母拷贝给str，然后把小写字母拷贝给str，但很不幸，程序运行的时候会发生段错误，因为当sscanf扫描到字符a时，违反了条件"%[A-Z]"，sscanf就停止执行，不再扫描之后的字符，所以第二个条件也就没有任何意义，这个实验说明：不能使用%号两次或两次以上

实验6：

sscanf("AAAaaaBBB", "%*[A-Z]%[a-z]", str);  // str的值为 "aaa\0!!!!!!"

这个实验出现了一个新的符号：%*，与%相反，%*表示过滤满足条件的字符，在这个实验中，%*[A-Z]过滤了所有大写字母，然后再使用%[a-z]把之后的小写字母拷贝给str。如果只有%*，没有%的话，sscanf不会拷贝任何字符到str，这时sscanf的作用仅仅是过滤字符串。

实验7：

sscanf("AAAaaaBBB", "%[a-z]", str);  // str的值为 "!!!!!!!!!!"

做完前面几个实验后，我们都知道sscanf拷贝完成后，还会在str的后面加上一个null字符，但如果没有一个字符满足条件，sscanf不会在str 的后面加null字符，str的值依然是10个惊叹号。这个实验也说明了，如果不使用%*过滤掉前面不需要的字符，你永远别想取得中间的字符。

实验8：

sscanf("AAAaaaBC=", "%*[A-Z]%*[a-z]%[^a-z=]", str);  // str的值为 "BC\0!!!!!!!"

这是一个综合实验，但这个实验的目的不是帮我们复习前面所学的知识，而是展示两个值得注意的地方：

注意1：%只能使用一次，但%*可以使用多次，比如在这个实验里面，先用%*[A-Z]过滤大写字母，然后用%*[a-z]过滤小写字母。

注意2：^后面可以带多个条件，且这些条件都受^的作用，比如^a-z=表示^a-z且^=(既不是小写字母，也不是等于号)。

实验9：

int k;
sscanf("AAA123BBB456", "%*[^0-9]%i", &k);  // k的值为123

首先，%*[^0-9]过滤前面非数字的字符，然后用%i把数字字符转换成int型的整数，拷贝到变量k，注意参数必须使用k的地址。

验证代码如下

#if 0
1,sscanf():从一个字符串中读进与指定格式相符的数据.
2,sscanf与scanf类似，都是用于输入的，只是后者以屏幕(stdin)为输入源，前者以固定字符串为输入源。
3,关于正则表达式:
    (1)%[..],当字符属于方括号里表达式表示的字符集时继续读取,否则停止.方括号里的和正则表达式差不多,^是"排除..."的意思
    (2)%*[..],直接跳过方括号里的字符集并继续读取
#endif  
#include <iostream>
using namespace std;  
int main()
{
    char str[10];  
    // 这个实验很简单，把源字符串"123456"拷贝到str的前6个字符，并且把str的第7个字符设为null字符，也就是\0
    for (int i = 0; i < 10; i++) str[i] = '!';
    cout<<str<<endl;
    sscanf("123456", "%s", str);  // str的值为 "123456\0!!!"
    cout<<str<<endl;  
    // 看到没有，正则表达式的百分号后面多了一个3，这告诉sscanf只拷贝3个字符给str，然后把第4个字符设为null字符。
    for (int i = 0; i < 10; i++) str[i] = '!';
    sscanf("123456", "%3s", str);  // str的值为 "123\0!!!!!!"
    cout<<str<<endl;  
    // 从这个实验开始我们会使用正则表达式，括号里面的a-z就是一个正则表达式，它可以表示从a到z的任意字符，
    // 在继续讨论之前，我们先来看看百分号表示什么意思，%表示选择，%后面的是条件，比如实验1的"%s"，s是一个条件，表示任意字符，"%s"的意思是：-
    // -只要输入的东西是一个字符，就把它拷贝给str。实验2的"%3s"又多了一个条件：只拷贝3个字符。实验3的“%[a-z]”的条件稍微严格一些，输入的-
    // -东西不但是字符，还得是一个小写字母的字符，所以实验3只拷贝了小写字母"aaa"给str，别忘了加上null字符。
    for (int i = 0; i < 10; i++) str[i] = '!';
    sscanf("aaaAAA", "%[a-z]", str);  // str的值为 "aaa\0!!!!!!"
    cout<<str<<endl;  
    // 对于所有字符，只要不是小写字母，都满足"^a-z"正则表达式，符号^表示逻辑非。前3个字符都不是小写字符，所以将其拷贝给str，但最后3个字符-
    // -也不是小写字母，为什么不拷贝给str呢？这是因为当碰到不满足条件的字符后，sscanf就会停止执行，不再扫描之后的字符。
    for (int i = 0; i < 10; i++) str[i] = '!';
    sscanf("AAAaaaBBB", "%[^a-z]", str);  // str的值为 "AAA\0!!!!!!"
    cout<<str<<endl;  
    /*
    // 这个实验的本意是：先把大写字母拷贝给str，然后把小写字母拷贝给str，但很不幸，程序运行的时候会发生段错误，因为当sscanf扫描到字符a时，-
    // -违反了条件"%[A-Z]"，sscanf就停止执行，不再扫描之后的字符，所以第二个条件也就没有任何意义，这个实验说明：不能使用%号两次或两次以上
    for (int i = 0; i < 10; i++) str[i] = '!';
    sscanf("AAAaaaBBB", "%[A-Z]%[a-z]", str);  // 段错误
    cout<<str<<endl;
    */  
    // 这个实验出现了一个新的符号：%*，与%相反，%*表示过滤满足条件的字符，在这个实验中，%*[A-Z]过滤了所有大写字母，然后再使用%[a-z]把之后-
    // -的小写字母拷贝给str。如果只有%*，没有%的话，sscanf不会拷贝任何字符到str，这时sscanf的作用仅仅是过滤字符串。
    for (int i = 0; i < 10; i++) str[i] = '!';
    sscanf("AAAaaaBBB", "%*[A-Z]%[a-z]", str);  // str的值为 "aaa\0!!!!!!"
    cout<<str<<endl;  
    // 做完前面几个实验后，我们都知道sscanf拷贝完成后，还会在str的后面加上一个null字符，但如果没有一个字符满足条件，sscanf不会在str 的后面-
    // -加null字符，str的值依然是10个惊叹号。这个实验也说明了，如果不使用%*过滤掉前面不需要的字符，你永远别想取得中间的字符。
    for (int i = 0; i < 10; i++) str[i] = '!';
    sscanf("AAAaaaBBB", "%[a-z]", str);  // str的值为 "!!!!!!!!!!"
    cout<<str<<endl;  
    // 这是一个综合实验，但这个实验的目的不是帮我们复习前面所学的知识，而是展示两个值得注意的地方：
    // 注意1：%只能使用一次，但%*可以使用多次，比如在这个实验里面，先用%*[A-Z]过滤大写字母，然后用%*[a-z]过滤小写字母。
    // 注意2：^后面可以带多个条件，且这些条件都受^的作用，比如^a-z=表示^a-z且^=(既不是小写字母，也不是等于号)。
    for (int i = 0; i < 10; i++) str[i] = '!';
    sscanf("AAAaaaBC=", "%*[A-Z]%*[a-z]%[^a-z=]", str);  // str的值为 "BC\0!!!!!!!"
    cout<<str<<endl;  
    // 首先，%*[^0-9]过滤前面非数字的字符，然后用%i把数字字符转换成int型的整数，拷贝到变量k，注意参数必须使用k的地址。    cout<<str<<endl;
    for (int i = 0; i < 10; i++) str[i] = '!';
    int k;
    sscanf("AAA123BBB456", "%*[A-Z]%i", &k);  // k的值为123
    cout<<k<<endl;
    return 0;
}

参考：https://www.iteye.com/blog/kmplayer-556293