正则表达式 C++：提取子字符串

Question

我想在另外两个之间提取一个子字符串。
例如： /home/toto/FILE_mysymbol_EVENT.DAT
或者只是FILE_othersymbol_EVENT.DAT
我想得到： mysymbol和othersymbol

我不想使用 boost 或其他库。 只是来自 C++ 的标准东西，除了 CERN 的 ROOT 库，带有TRegexp ，但我不知道如何使用它......

Answer 1

自去年以来，C++ 已经在标准中内置了正则表达式。 该程序将展示如何使用它们来提取您所追求的字符串：

#include <regex>
#include <iostream>

int main()
{
    const std::string s = "/home/toto/FILE_mysymbol_EVENT.DAT";
    std::regex rgx(".*FILE_(\\w+)_EVENT\\.DAT.*");
    std::smatch match;

    if (std::regex_search(s.begin(), s.end(), match, rgx))
        std::cout << "match: " << match[1] << '\n';
}

它将输出：

match: mysymbol

但应该注意的是，它在 GCC 中不起作用，因为它的库对正则表达式的支持不是很好。 在 VS2010（可能还有 VS2012）中运行良好，并且应该在 clang 中运行。

---

到现在（2016 年末），所有现代 C++ 编译器及其标准库都完全符合 C++11 标准，即使不是全部也是 C++14 标准。 GCC 6 和即将到来的 Clang 4 也支持大部分即将到来的 C++17 标准。

Answer 2

与其他正则表达式相比，TRegexp 仅支持非常有限的正则表达式子集。 这使得构建适合您需求的单个正则表达式有些尴尬。

一种可能的解决方案：

[^_]*_([^_]*)_

将匹配字符串直到第一个下划线，然后捕获所有字符直到下一个下划线。 然后在第 1 组中找到匹配的相关结果。

但在你的情况下，为什么要使用正则表达式呢？ 只需在字符串中找到第一次和第二次出现的分隔符_并提取这些位置之间的字符。

Answer 3

如果你想使用正则表达式，我真的推荐使用 C++11 的正则表达式，或者，如果你有一个还不支持它们的编译器，Boost。 Boost 是我认为几乎是标准 C++ 的一部分。

但是对于这个特定的问题，您实际上并不需要任何形式的正则表达式。 在添加所有适当的错误检查（ beg != npos 、 end != npos等）、测试代码并删除我的错别字之后，类似这个草图的东西应该可以正常工作：

std::string between(std::string const &in,
                    std::string const &before, std::string const &after) {
  size_type beg = in.find(before);
  beg += before.size();
  size_type end = in.find(after, beg);
  return in.substr(beg, end-beg);
}

显然，您可以将std::string更改为模板参数，并且它应该可以与std::wstring或更很少使用的std::basic_string实例一起正常工作。

Answer 4

在信任它之前，我会研究极端案例。

但这是一个很好的候选人：

std::string text = "/home/toto/FILE_mysymbol_EVENT.DAT";
std::regex reg("(.*)(FILE_)(.*)(_EVENT.DAT)(.*)");
std::cout << std::regex_replace(text, reg, "$3") << '\n';

Answer 5

一些程序员老兄、Tim Pietzcker 和 Christopher Creutzig 的答案很酷且正确，但在我看来，它们对于初学者来说并不是很明显。

下面的函数是试图为一些程序员老兄和 Tim Pietzcker 的答案创建一个辅助插图：

void ExtractSubString(const std::string& start_string
    , const std::string& string_regex_extract_substring_template)
{
    std::regex regex_extract_substring_template(
        string_regex_extract_substring_template);

    std::smatch match;

    std::cout << std::endl;

    std::cout << "A substring extract template: " << std::endl;
    std::cout << std::quoted(string_regex_extract_substring_template) 
        << std::endl;

    std::cout << std::endl;

    std::cout << "Start string: " << std::endl;
    std::cout << start_string << std::endl;

    std::cout << std::endl;

    if (std::regex_search(start_string.begin(), start_string.end()
       , match, regex_extract_substring_template))
    {
        std::cout << "match0: " << match[0] << std::endl;
        std::cout << "match1: " << match[1] << std::endl;
        std::cout << "match2: " << match[2] << std::endl;
    }

    std::cout << std::endl;
}

以下重载函数试图帮助说明 Christopher Creutzig 的答案：

void ExtractSubString(const std::string& start_string
    , const std::string& before_substring, const std::string& after_substring)
{
    std::cout << std::endl;

    std::cout << "A before substring: " << std::endl;
    std::cout << std::quoted(before_substring) << std::endl;

    std::cout << std::endl;

    std::cout << "An after substring: " << std::endl;
    std::cout << std::quoted(after_substring) << std::endl;

    std::cout << std::endl;

    std::cout << "Start string: " << std::endl;
    std::cout << start_string << std::endl;

    std::cout << std::endl;

    size_t before_substring_begin 
        = start_string.find(before_substring);
    size_t extract_substring_begin 
        = before_substring_begin + before_substring.size();
    size_t extract_substring_end 
        = start_string.find(after_substring, extract_substring_begin);

    std::cout << "Extract substring: " << std::endl;
    std::cout
    << start_string.substr(extract_substring_begin
       , extract_substring_end - extract_substring_begin)
    << std::endl;

    std::cout << std::endl;
}

这是运行重载函数的主要函数：

#include <regex>
#include <iostream>
#include <iomanip>

int main()
{
    const std::string start_string 
        = "/home/toto/FILE_mysymbol_EVENT.DAT";

    const std::string string_regex_extract_substring_template(
        ".*FILE_(\\w+)_EVENT\\.DAT.*");
    const std::string string_regex_extract_substring_template2(
        "[^_]*_([^_]*)_");

    ExtractSubString(start_string, string_regex_extract_substring_template);

    ExtractSubString(start_string, string_regex_extract_substring_template2);

    const std::string before_substring = "/home/toto/FILE_";
    const std::string after_substring = "_EVENT.DAT";

    ExtractSubString(start_string, before_substring, after_substring);
}

这是执行 main 函数的结果：

A substring extract template: 
".*FILE_(\\w+)_EVENT\\.DAT.*"

Start string: 
"/home/toto/FILE_mysymbol_EVENT.DAT"

match0: /home/toto/FILE_mysymbol_EVENT.DAT
match1: mysymbol
match2: 


A substring extract template: 
"[^_]*_([^_]*)_"

Start string: 
"/home/toto/FILE_mysymbol_EVENT.DAT"

match0: /home/toto/FILE_mysymbol_
match1: mysymbol
match2: 


A before substring: 
"/home/toto/FILE_"

An after substring: 
"_EVENT.DAT"

Start string: 
"/home/toto/FILE_mysymbol_EVENT.DAT"

Extract substring: 
mysymbol