C++中正则表达式的特殊字符问题

Question

我有一个问题要替换字符串中的特殊字符（来自 IIS Sharepoint 日志文件），其中包含带有正斜杠的域名和以 t、n、r 开头的名称，这会与正则表达式混淆。 我的代码如下：

std::setlocale(LC_ALL, ".ACP"); //Sets the locale to the ANSI code page obtained from the operating system. FR characters
std::string subject("2018-08-26 11:38:20 172.20.1.148 GET /BaseDocumentaire/Documents+de+la+page+Notes+de+services/Rappel+du+dispositif+de+Sécurité+relatif+aux+Moyens+de+paiement+et+d’épargne+en+agence.pdf - 80 0#.w|domainname\tonzaro 10.12.105.24 Mozilla/5.0+(Windows+NT+10.0;+Win64;+x64;+rv:61.0)+Gecko/20100101+Firefox/61.0 200 0 0 29984");
std::string result;
std::string g1, g2, g5, g9, g10; //str groups in regex

    try {
        std::regex re("(\\d{4}-\\d{2}-\\d{2})( \\d{2}:\\d{2}:\\d{2})( 172.20.1.148)( GET | POST | HEAD )((/.*){1,4}/.*.(pdf|aspx))( -.*)(domainname.[a-zA-Z0-9]*)( \\d+.\\d+.\\d+.\\d+)");
        std::sregex_iterator next(subject.begin(), subject.end(), re);
        std::sregex_iterator end;

        while (next != end) {
            std::smatch match = *next;
            std::cout << match.str() << "\n";
            std::cout << "-------------------------------------------" << "\n";
            g1 = match.str(1);
            g2 = match.str(2);
            g5 = match.str(5);
            g9 = match.str(9);
            g10 = match.str(10);
            next++;
        }

        std::cout << "Date: " + g1 << "\n";
        std::cout << "Time: " + g2 << "\n";
        std::replace(g5.begin(), g5.end(), '+', ' ');
        std::cout << "Link Document : " + g5 << "\n";
        std::cout << "User: " + g9 << "\n";
        std::cout << "IP: " + g10 << "\n";

    }
    catch (std::regex_error& e) {
        std::cout << "Syntax error in the regular expression" << "\n";
    }

我的域名输出是： domainname onzaro

请帮助解决 \\, \\t, \\n 或 \\r 的这个问题？

Answer 1

我强烈建议您使用原始字符串文字。 这是为不应以任何方式处理文字的情况而设计的解决方案，例如您的情况。

语法是R "delimiter( raw_characters )delimiter" ，所以在你的情况下它可能是：

std::string subject(R"raw(2018-08-26 11:38:20 172.20.1.148 GET /BaseDocumentaire/Documents+de+la+page+Notes+de+services/Rappel+du+dispositif+de+Sécurité+relatif+aux+Moyens+de+paiement+et+d’épargne+en+agence.pdf - 80 0#.w|domainname\tonzaro 10.12.105.24 Mozilla/5.0+(Windows+NT+10.0;+Win64;+x64;+rv:61.0)+Gecko/20100101+Firefox/61.0 200 0 0 29984)raw");
std::regex re( R"raw((\d{4}-\d{2}-\d{2})( \d{2}:\d{2}:\d{2})( 172.20.1.148)( GET | POST | HEAD )((/.*){1,4}/.*.(pdf|aspx))( -.*)(domainname.[a-zA-Z0-9]*)( \d+.\d+.\d+.\d+))raw");

（我可能错过了上面一些多余的\\ ）。 现场观看。

这些特殊字符被称为转义序列，正在编译级别在字符串文字中进行处理（准确地说是在 第 5 阶段）。 对于原始字符串文字，此转换被抑制。

你不关心任何特殊的字符处理。 您只需要注意")delimiter"不会出现在您的文字中，我想这可能会发生在正则表达式中。

Answer 2

'\\t'是一个字符，一个水平制表符。 如果你想要字符\\和t ，你需要转义反斜杠： "\\\\t" 。