Question

我希望在C ++ / STL中构建一个简单的类似flex的分析器。

为此，我想从左到右扫描一个字符串，每次都在一组正则表达式中提取最大可能的正则表达式。

我不太清楚该怎么做。问题实际上并不是编译正则表达式或使用它们，但我不确定提取最长正则表达式的“更高级别”循环需要是什么样的。

任何提示都会很好。它不一定是显式代码，而只是一些指针和想法。

编辑：感谢指向增强正则表达式库的指针。我不知道。

以下是提取电子邮件地址的示例代码：

  std::string html = …;
  regex mailto("<a href=\"mailto:(.*?)\">", regex_constants::icase);
  sregex_iterator begin(html.begin(), html.end(), mailto), end;

  for (; begin != end; ++begin)
  {
       smatch const & what = *begin;
       std::cout << "Email address to spam: " << what[1] << "\n";
  }

我想要的是略有不同。

例如，我希望有一个额外的正则表达式，它可以找到http：//地址，也可以查找所有大写字符串。

  std::string html = …;
  regex mailto("<a href=\"mailto:(.*?)\">", regex_constants::icase);
  regex http( .... );
  regex all_caps("...", regex_constants::icase);
  // the actual definitions of the regular expressions do not matter, I can find how to do that later.


  // Here, I would like to iterate, and find concurrently the matching patterns from all three regular expressions above
  sregex_iterator begin(html.begin(), html.end(), mailto), end;

  for (; begin != end; ++begin)
  {
       smatch const & what = *begin;
       // here I should be able to identify which among the above three was found
       std::cout << "Email address to spam: " << what[1] << "\n";
  }

最后，我应该始终能够匹配至少一个正则表达式，直到我到达字符串的末尾。

Answer 1

你有一组名为A..Z的正则表达式。你得到了一个字符输入流。您需要将每个正则表达式（A..Z）编译为状态机（a..z）。然后，您需要将这些单独的状态机组合成一个状态机（最终）。最终状态机中的每个状态都匹配来自a..z状态机的状态的集合（1个或多个）。状态机是节点（状态）和边（输入字符）的集合。例如表达式“ab”匹配具有3个节点的状态机

（空字符串，输入“a”，输入“ab”）

和2个边缘“a”和“b”。

类似于表达“cd”。

当你组合这两个状态机时，你会得到：

（空字符串，输入“a”，输入“ab”，输入“c”，输入“cd”）。

听起来可行吗？

C ++中的正则表达式？

1 个答案: