Question

我想使用boost::sregex_token_iterator解析文件。

不幸的是，我无法找到正确的正则表达式来提取FOO:BAR形式的字符串。

以下代码示例仅在找到每行出现一次此类代码时才可用，但我希望每行支持多个这样的条目，理想情况下也是＃＆＃39;

所以像这样的条目

AA:BB CC:DD EE:FF #this is a comment

应该产生3个识别的标记（AA：BB，CC：DD，EE：FF）

boost::regex re("((\\W+:\\W+)\\S*)+");
boost::sregex_token_iterator i(line.begin(), line.end(), re, -1), end;

for(; i != end; i++){
  std::stringstream ss(*i);
  ...
}

非常欢迎任何支持。

Answer 1

您希望匹配一个或多个字符的序列，然后再跟:，然后再添加一个或多个字符。

因此，您需要在调用boost::sregex_token_iterator时将-1替换为1，以获取 Group 1 文本块，并将您使用的正则表达式替换为{ {1}}模式：

\w+:\w+

请注意，boost::regex re(R"(#.*|(\w+:\w+))"); boost::sregex_token_iterator i(line.begin(), line.end(), re, 1), end;是一个原始字符串文字，实际上表示匹配R"(#.*|(\w+:\w+))"的{{1}}模式，然后是该行的其余部分或匹配，并将您需要的模式捕获到第1组中。

查看std::regex C++ example（您可以轻松调整Boost的代码）：

#.*|(\w+:\w+)

Answer 2

我建议您使用拆分来获取所需的值。

我首先要使用#进行拆分。这将注释与行的其余部分分开。然后使用空格分割，将空格分开。在此之后，可以使用:分割单个对。

如果出于某种原因必须使用正则表达式，则可以迭代匹配。在这种情况下，我将使用以下正则表达式：

(?:#(?:.*))*(\w+:\w+)\s*

此正则表达式将匹配每一对，直到找到注释。如果有评论，它将跳到下一个新行。

需要支持定义正确的正则表达式

2 个答案: