std::regex 正则表达式

概述

C++11 引入了 <regex> 头文件，提供标准化的正则表达式支持。std::regex 默认使用 ECMAScript 语法（与 JavaScript 正则高度兼容），同时支持 POSIX、awk、grep 等方言。该库包含模式匹配（regex_match）、搜索（regex_search）、替换（regex_replace），以及迭代器接口。

性能警告： C++ 标准库的 std::regex 实现通常比专用正则库（如 RE2、PCRE2）慢得多。在性能敏感场景下，考虑使用第三方库。

API 概览

组件	说明
`std::regex`	编译后的正则表达式对象
`std::smatch` / `std::cmatch`	匹配结果容器（string / C 字符串）
`std::regex_match`	完整匹配（整个字符串必须匹配）
`std::regex_search`	子串搜索（找到第一个匹配即可）
`std::regex_replace`	替换匹配内容
`std::regex_iterator`	遍历所有匹配
`std::regex_token_iterator`	遍历特定子表达式或分隔段

基本用法

cpp

#include <iostream>
#include <string>
#include <regex>

int main() {
    std::regex pattern(R"(\d{3}-\d{4})");  // 三位数字-四位数字
    std::string text = "Call 555-1234 or 555-5678";

    std::smatch match;
    if (std::regex_search(text, match, pattern)) {
        std::cout << "Found: " << match[0] << '\n';  // 555-1234
    }
}

regex_match vs regex_search

cpp

std::regex email_re(R"((\w+)@(\w+)\.(\w+))");

// regex_match：必须完全匹配整个字符串
std::regex_match("user@example.com", email_re);              // true
std::regex_match("Send to user@example.com", email_re);      // false

// regex_search：在字符串中查找子串匹配
std::regex_search("Send to user@example.com", email_re);     // true

核心区别： regex_match 要求整个输入都匹配模式，regex_search 只需在输入中找到匹配子串。

捕获组

cpp

std::regex date_re(R"((\d{4})-(\d{2})-(\d{2}))");
std::string text = "Date: 2024-01-15, another: 2023-12-25";

std::smatch m;
if (std::regex_search(text, m, date_re)) {
    // m[0] 是整个匹配，m[1], m[2], m[3] 是捕获组
    std::string year  = m[1].str();  // "2024"
    std::string month = m[2].str();  // "01"
    std::string day   = m[3].str();  // "15"
    // m.prefix() 匹配前部分，m.suffix() 匹配后部分
}

regex_replace

cpp

std::string input = "Price: $100, Discount: $20";
std::regex dollar_re(R"(\$(\d+))");

std::string all = std::regex_replace(input, dollar_re, "¥$1");
// "Price: ¥100, Discount: ¥20"（替换所有匹配）

std::string first = std::regex_replace(input, dollar_re, "[$1]",
    std::regex_constants::format_first_only);
// "Price: [100], Discount: $20"（只替换第一个）

regex_iterator 遍历所有匹配

cpp

std::string text = "2024-01-15 and 2023-12-25";
std::regex date_re(R"((\d{4})-(\d{2})-(\d{2}))");

for (auto it = std::sregex_iterator(text.begin(), text.end(), date_re);
     it != std::sregex_iterator(); ++it) {
    const std::smatch& m = *it;
    std::cout << m[0] << " -> Y:" << m[1] << " M:" << m[2] << '\n';
}
// 2024-01-15 -> Y:2024 M:01
// 2023-12-25 -> Y:2023 M:12

regex_token_iterator 按分隔符分割

cpp

std::string csv = "apple,banana,,cherry";
std::regex comma_re(",");

// submatch index -1：取匹配之间的部分
for (auto it = std::sregex_token_iterator(csv.begin(), csv.end(), comma_re, -1);
     it != std::sregex_token_iterator(); ++it) {
    std::cout << "[" << *it << "] ";
}
// [apple] [banana] [] [cherry]

提取特定捕获组：

cpp

std::string html = "<b>bold</b> and <i>italic</i>";
std::regex tag_re(R"(<(\w+)>(.+?)</\1>)");

for (auto it = std::sregex_token_iterator(html.begin(), html.end(), tag_re, 2);
     it != std::sregex_token_iterator(); ++it) {
    std::cout << *it << '\n';  // "bold", "italic"
}

常用正则模式

cpp

std::regex email_re(R"([\w.+-]+@[\w-]+\.[\w.]+)");
std::regex ipv4_re(R"((\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3}))");
std::regex url_re(R"(https?://[\w.-]+(?:/[\w./?#&=%-]*)?)");

// trim 前后空白
std::string trimmed = std::regex_replace(
    std::string("  hello  "), std::regex(R"(^\s+|\s+$)"), "");

regex 标志

cpp

std::regex re1(R"(\d+)", std::regex::ECMAScript);  // 默认方言
std::regex re2(R"(hello)", std::regex::icase);      // 忽略大小写
std::regex_search("HELLO", re2);  // true

// 多行模式（C++17 标准化）
std::regex re3(R"(^\d+$)", std::regex::ECMAScript | std::regex::multiline);

性能注意事项

cpp

// 错误：循环中重复编译——开销巨大
for (const auto& s : vec) {
    std::regex re(R"(\d+)");
    std::regex_search(s, re);
}

// 正确：编译一次，复用多次
static const std::regex re(R"(\d+)");
for (const auto& s : vec) { std::regex_search(s, re); }

C++26 编译期正则： 未来标准有望引入 constexpr 正则，消除运行时构造开销。

最佳实践

正则只编译一次：std::regex 构造有显著开销，避免循环中重复构造。
优先 regex_search 而非 regex_match：除非确实需要完整匹配。
使用原始字符串 R"()"：避免反斜杠转义地狱。
合理使用捕获组：用 (?:...) 非捕获组减少开销。
简单字符串操作优先：固定子串查找用 std::string::find。

常见陷阱

默认方言是 ECMAScript：不是 POSIX，不是 PCRE。
回溯导致性能灾难：嵌套量词如 (a+)+ 可能导致指数级回溯。
无效正则抛异常：构造时若模式无效，抛出 std::regex_error。
<regex> 编译慢：头文件较大，显著增加编译时间。
实现质量参差不齐：GCC 4.8 前 libstdc++ 未完成实现。生产环境考虑 RE2。
Unicode 支持有限：通常不如 Python 或 PCRE 完善。

std::regex 正则表达式 ​

概述 ​

API 概览 ​

基本用法 ​

regex_match vs regex_search ​

捕获组 ​

regex_replace ​

regex_iterator 遍历所有匹配 ​

regex_token_iterator 按分隔符分割 ​

常用正则模式 ​

regex 标志 ​

性能注意事项 ​

最佳实践 ​

常见陷阱 ​