C++正则表达式语法

在C++中，正则表达式是处理文本模式匹配和字符串操作的强大工具。C++11及以后的标准库提供了<regex>头文件，支持正则表达式的使用。下面是C++正则表达式的核心语法规则和用法：

一、基本正则表达式语法

1. 普通字符

直接匹配自身，例如：a 匹配字符 a。

2. 元字符（需转义）

具有特殊含义的字符，需用反斜杠 \ 转义（在C++字符串中需用双反斜杠 \\）。

• .：匹配除换行符外的任意字符。
• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• *：匹配前面的元素0次或多次。
• +：匹配前面的元素1次或多次。
• ?：匹配前面的元素0次或1次（可选）。
• {n}：精确匹配n次。
• {n,}：至少匹配n次。
• {n,m}：匹配次数在n到m之间（包含n和m）。

3. 字符类

• [ ]：匹配方括号内的任意一个字符。
  • 例如：[abc] 匹配 a、b 或 c；[0-9] 等价于 \d。
• [^ ]：否定字符类，匹配不在方括号内的任意字符。
  • 例如：[^0-9] 匹配非数字字符。

4. 预定义字符类

• \d：匹配数字（等价于 [0-9]）。
• \D：匹配非数字（等价于 [^0-9]）。
• \s：匹配空白字符（空格、制表符、换行符等）。
• \S：匹配非空白字符。
• \w：匹配单词字符（字母、数字、下划线，等价于 [a-zA-Z0-9_]）。
• \W：匹配非单词字符。

5. 位置锚点

• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• \b：匹配单词边界（如空格、标点或字符串首尾）。
• \B：匹配非单词边界。

6. 分组与捕获

• ( )：定义捕获组，可以提取匹配的子串。
  • 例如：(\\d{4})-(\\d{2})-(\\d{2}) 可捕获日期的年、月、日。
• (?: )：非捕获组，只用于分组，不捕获匹配结果。

二、C++中的正则表达式类

1. std::regex

用于表示一个正则表达式对象。

#include <regex>
std::regex pattern("\\d+"); // 匹配一个或多个数字

2. 匹配函数

• std::regex_match：判断整个字符串是否匹配正则表达式。

  std::string str = "123";
  bool match = std::regex_match(str, pattern); // true
  

• std::regex_search：在字符串中搜索第一个匹配的子串。

  std::string str = "abc123def";
  bool found = std::regex_search(str, pattern); // true
  

• std::regex_replace：替换匹配的子串。

  std::string result = std::regex_replace(str, pattern, "X"); // "abcXdef"
  

3. 迭代器

• std::sregex_iterator：遍历所有匹配的子串。

  std::string str = "a1b2c3";
  std::regex pattern("\\d");
  for (std::sregex_iterator it(str.begin(), str.end(), pattern); 
       it != std::sregex_iterator(); ++it) {
      std::cout << it->str() << " "; // 输出: 1 2 3
  }
  

三、正则表达式标志

通过 std::regex 的第二个参数指定匹配模式：

• std::regex::icase：忽略大小写。

  std::regex pattern("hello", std::regex::icase); // 匹配"Hello"、"HELLO"等
  

• std::regex::ECMAScript：使用ECMAScript语法（默认）。
• std::regex::grep：使用POSIX grep语法。

四、捕获组的使用

用圆括号 () 定义捕获组，可以提取匹配的子串。

std::string str = "2023-06-26";
std::regex pattern("(\\d{4})-(\\d{2})-(\\d{2})");
std::smatch match;
if (std::regex_search(str, match, pattern)) {
    std::cout << "Year: " << match[1] << std::endl; // 2023
    std::cout << "Month: " << match[2] << std::endl; // 06
    std::cout << "Day: " << match[3] << std::endl; // 26
}

五、原始字符串字面量（Raw String Literals）

C++11引入的原始字符串语法 R"(...)" 避免了对反斜杠的双重转义，使正则表达式更易读。

// 普通字符串（需双重转义）
std::regex pattern1("\\d{3}-\\d{4}");

// 原始字符串（无需转义）
std::regex pattern2(R"(\d{3}-\d{4})"); // 等价于上面的pattern1

六、示例：验证有效数字的正则表达式

针对LeetCode 65题，可以使用正则表达式验证有效数字：

#include <regex>
#include <string>

class Solution {
public:
    bool isNumber(std::string s) {
        // 使用原始字符串字面量定义正则表达式
        std::regex pattern(
            R"(^[+-]?(\d+\.?|\.\d+)(\d+)?([eE][+-]?\d+)?$)"
        );
        return std::regex_match(s, pattern);
    }
};

七、性能注意事项

• 正则表达式在处理复杂模式时可能效率较低，尤其是包含回溯或嵌套量词的情况。
• 对于简单的字符串匹配，手动实现状态机可能比正则表达式更高效。

八、常见错误

• 忘记转义：在C++字符串中使用元字符时需双反斜杠（如 \\d）。
• 贪婪匹配：* 和 + 默认是贪婪的，可能匹配尽可能多的字符。使用 *? 或 +? 进行非贪婪匹配。
• 性能陷阱：避免使用过度复杂的正则表达式，如 .*a.*a.* 在某些情况下会导致灾难性回溯。

通过掌握这些规则，您可以在C++中灵活使用正则表达式处理各种文本匹配问题。

** 静态常量模式的编译优化

1. 静态常量模式的编译优化
   您的正则表达式版本使用了静态常量成员变量 static const regex pattern：

class Solution{
	// ...
	static const regex pattern;
	// ...
};

const std::regex Solution::pattern(...);

优势：正则表达式只在程序启动时编译一次，后续调用直接使用预编译的模式，避免了重复编译开销。
对比：如果您的 DFA 版本在每次调用时都重新初始化状态转移表（如通过构造函数），会产生额外的内存分配和初始化开销。
2. 正则表达式引擎的优化
现代 C++ 标准库的正则表达式引擎（如 GCC 的 libstdc++ 或 Clang 的 libc++）可能针对简单模式进行了高度优化：
编译时优化：对于固定的正则表达式模式，引擎可能在编译阶段进行部分求值或生成更高效的匹配代码。
DFA/NFA 混合实现：某些正则表达式引擎在处理简单模式时会自动转换为 DFA，从而获得接近手动 DFA 的性能。