如何编写代码中的正则表达式

Question

我正在为IRC protocol abnf message format编写正则表达式。 以下是我写的一些正则表达式的一个简短例子。

// digit  = %x30-39     ; 0-9 
// "[0-9]" 
static const std::string digit("[\x30-\x39]"); 

我用前面的定义，以形成更复杂的，这会非常复杂，速度快。当我有问题，特别是更复杂的正则表达式时，将它们组成：

// hexdigit = digit/"A"/"B"/"C"/"D"/"E"/"F" 
// "[[0-9]ABCDEF]" 
static const std::string hexdigit("[" + digit + "ABCDEF]"); 

A“hexdigit”是“数字”或“六角信”。

注意：我不在乎RFC将“hexdigit”字母（ABCDEF）定义为只是大写字母。我只是按照RFC的说法行事，我不打算改变他们的要求。

const std::regex digit(dapps::regex::digit); 
assert(std::regex_match("0", digit)); 
assert(std::regex_match("1", digit)); 
assert(std::regex_match("2", digit)); 
assert(std::regex_match("3", digit)); 
assert(std::regex_match("4", digit)); 
assert(std::regex_match("5", digit)); 
assert(std::regex_match("6", digit)); 
assert(std::regex_match("7", digit)); 
assert(std::regex_match("8", digit)); 
assert(std::regex_match("9", digit)); 
assert(!std::regex_match("10", digit)); 

在上面的代码中，匹配“数字”工作方式的目的是在ABNF。

然而， “hexdigit” 现在是非法的正则表达式语法：

[[0-9]ABCDEF] 

比

[0-9ABCDEF] 

相反，并试图以配合它不会工作：

const std::regex hexdigit(dapps::regex::hexdigit); 
assert(std::regex_match("0", hexdigit)); 
assert(std::regex_match("1", hexdigit)); 
assert(std::regex_match("2", hexdigit)); 
assert(std::regex_match("3", hexdigit)); 
assert(std::regex_match("4", hexdigit)); 
assert(std::regex_match("5", hexdigit)); 
assert(std::regex_match("6", hexdigit)); 
assert(std::regex_match("7", hexdigit)); 
assert(std::regex_match("8", hexdigit)); 
assert(std::regex_match("9", hexdigit)); 
assert(std::regex_match("A", hexdigit)); 
assert(std::regex_match("B", hexdigit)); 
assert(std::regex_match("C", hexdigit)); 
assert(std::regex_match("D", hexdigit)); 
assert(std::regex_match("E", hexdigit)); 
assert(std::regex_match("F", hexdigit)); 
assert(!std::regex_match("10", hexdigit)); 

结果，如果我让“数字”没有“范围选择器中的单个字符”，（[ ]），那么你不能se“数字”以匹配“数字”。

我可能只是完全错误的方式，所以我的问题是： 我是否真的需要保留两个版本，一个有或没有括号，或者有一个更简单的方法来组成正则表达式。

Answer 1

而不是合并两个字符类作为已尝试，这应该是：

[0-9ABCDEF] 

构建交替 - 即一个逻辑OR - 经由管道炭|，和支架（非分组）的加盟条件：

(?:[0-9]|[ABCDEF]) 

这种方法的好处是，你可以加入任意两个表达式这种方式，字符类或其他方式，如数字或空白：

(?:[0-9]|\s) 

因此它可以被非常普遍地应用。

---

小点：你可以编写[ABCDEF]为[A-F]和/或可以把它用的情况下不区分大小写[A-Fa-f]。

Answer 2

我不确定我是否读了你的问题。如果您关注的是“复制模式”常量，你可以通过做：

static const std::string digit("0-9"); 
static const std::string hexdigit(digit + "ABCDEF"); 
static const std::string digit_range("[" + digit + "]"); 
static const std::string hexdigit_range("[" + hexdigit + "]"); 

或只保留第2，而有这样一个实用程序方法（伪代码）：

static const std::string digit("0-9"); 
static const std::string hexdigit(digit + "ABCDEF"); 

string range_of(string... ranges) { 
    string result = "["; 
    for each range in ranges { 
     result += range 
    } 
    result += "]"; 
    return result; 
} 

以便您可以定义不同类型的范围常量，并使用std::regex pattern(range_of(hexdigit));或者类似std::regex pattern(range_of(digit, uppercase_alphabet, normal_punctuation));

Answer 3

要获取IRC消息的一般格式v3）你可以使用this simple regexp：

^\s*(:[^ \n:]*)?([A-Za-z0-9]*)([^ \n:]*)?([^ \n:]*)?([^ \n:]*)?([^ \n:]*)?([^ \n:]*)?([^ \n:]*)?(:.*)? 

见demo

它可以让你的邮件内容剖析到它的部分，允许多达六种不同的参数进行匹配，且包罗万象最后一节，由之前:。