17、C++11 实用工具：std::regex正则表达式，文本处理的瑞士军刀。

文本处理，是每个C++程序员都绕不开的活。

我早年做网络协议解析的时候，每天面对的就是一堆堆的日志、配置文件和协议报文。那时候用的还是C风格的字符串函数，strstr、sscanf、自己手写状态机……说实话，又慢又容易出错。直到C++11带来了std::regex，我才感觉终于有了一把趁手的“瑞士军刀”。

今天我们就来聊聊这个工具。它不是什么黑魔法，但用好了，能让你处理文本的效率翻倍。

正则表达式：到底是什么？

说白了，正则表达式就是一套“模式匹配”的语言。你给它一个字符串，它告诉你：这个字符串里有没有符合某种规则的部分。

比如你想从一堆日志里找出所有IP地址。IP地址的格式是“数字.数字.数字.数字”。用正则表达式写出来就是：\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}。然后std::regex就能帮你把匹配到的内容全部拎出来。

我个人习惯把正则表达式看作“文本的模板”。你定义好模板，剩下的交给引擎去匹配。

std::regex 的核心组件

C++11的regex库主要由几个类组成。我列个表，你一看就明白：

组件	作用	我常用的场景
std::regex	表示一个正则表达式对象	编译正则表达式，供后续匹配使用
std::smatch	存储匹配结果（针对std::string）	提取匹配到的子串
std::regex_match	判断整个字符串是否完全匹配	验证输入格式，比如检查邮箱格式
std::regex_search	在字符串中搜索第一个匹配	从日志中提取关键信息
std::regex_replace	替换匹配到的内容	批量替换文本中的敏感词
std::sregex_iterator	迭代所有匹配结果	遍历文本中所有符合模式的内容

嗯，这里要注意：std::regex_match 和 std::regex_search 的区别。前者要求整个字符串完全匹配，后者只要求部分匹配。我刚开始用的时候经常搞混，后来养成了习惯：验证格式用match，提取内容用search。

实战：从日志中提取IP地址

光说不练假把式。我们直接看代码。假设你有一份服务器日志，里面混杂着各种信息，你想把所有IP地址提取出来。

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

int main() {
    std::string log = R"(
        192.168.1.1 - - [10/Oct/2023:13:55:36] "GET /index.html"
        10.0.0.5 - - [10/Oct/2023:13:56:01] "POST /api/data"
        错误地址: 999.999.999.999 应该被忽略
        172.16.0.10 - - [10/Oct/2023:13:57:22] "GET /favicon.ico"
    )";

    // 定义IP地址的正则表达式
    std::regex ip_pattern(R"(\b\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\b)");

    // 使用迭代器遍历所有匹配
    std::sregex_iterator it(log.begin(), log.end(), ip_pattern);
    std::sregex_iterator end;

    std::cout << "找到的IP地址：" << std::endl;
    for (; it != end; ++it) {
        std::smatch match = *it;
        std::cout << "  - " << match.str() << std::endl;
    }

    return 0;
}

输出结果：

找到的IP地址：
  - 192.168.1.1
  - 10.0.0.5
  - 172.16.0.10

你看，999.999.999.999 被自动忽略了。为什么？因为正则表达式里的 \d{1,3} 只匹配1到3位数字，而999虽然符合位数，但整个模式没有额外的校验。如果你想更严格，可以加上数值范围判断，不过那就需要结合代码逻辑了。

避坑指南：性能与异常

std::regex 虽然好用，但也不是没有坑。我曾经在一个高并发的服务里用正则表达式解析每一行日志，结果性能直接崩了。

为什么会这样？因为每次调用 std::regex_search 时，如果传入的是临时构造的 std::regex 对象，编译器会重复编译正则表达式。编译正则表达式是很耗时的操作。

另外，正则表达式语法错误会抛出 std::regex_error 异常。我建议你在构造 regex 对象时，用 try-catch 包一下：

try {
    std::regex pattern(R"([a-z]+)");
    // 使用 pattern
} catch (const std::regex_error& e) {
    std::cerr << "正则表达式错误: " << e.what() << std::endl;
    std::cerr << "错误代码: " << e.code() << std::endl;
}

嗯，这一点很多人会忽略。尤其是当你从配置文件或用户输入中读取正则表达式时，一定要做异常处理。

知识体系：std::regex 的核心逻辑

为了让你更直观地理解 std::regex 的工作流程，我画了一张图：

这张图展示了 std::regex 的三种核心操作。你输入文本，构造好正则表达式对象，然后根据需求选择匹配、搜索或替换。我个人觉得，理解了这个流程，你就掌握了 std::regex 的80%。

更多实用场景

除了提取IP地址，std::regex 还能干很多事。我简单列几个我实际用过的：

• 验证用户输入： 检查邮箱格式、电话号码、身份证号等。用 regex_match 一次搞定。
• 配置文件解析： 从INI或JSON格式的配置中提取键值对。用 regex_search 配合分组捕获。
• 日志分析： 统计某个错误码出现的次数。用 sregex_iterator 遍历所有匹配。
• 文本清洗： 批量删除或替换HTML标签、特殊字符。用 regex_replace。

举个例子，替换所有HTML标签：

std::string html = "<p>Hello <b>World</b></p>";
std::regex tag_pattern(R"(<[^>]*>)");
std::string result = std::regex_replace(html, tag_pattern, "");
// result 变成 "Hello World"

你看，一行代码就搞定了。以前用C风格函数，得写几十行状态机。

性能优化建议

最后，再分享几个我踩过的坑：

1. 避免使用默认语法： std::regex 默认使用ECMAScript语法，但你可以指定优化选项。比如 std::regex::optimize 告诉编译器花更多时间优化匹配速度。
2. 长文本分段处理： 如果你要处理几MB的文本，不要一次性喂给 regex。分段处理，每段几KB，这样内存和CPU都更友好。
3. 考虑使用 std::string_view： C++17引入了 std::string_view，可以避免拷贝。不过 std::regex 对 string_view 的支持有限，需要自己注意生命周期。

嗯，关于 std::regex 就聊这么多。它不是什么万能药，但绝对是C++文本处理工具箱里最锋利的一把刀。下次遇到文本解析任务，不妨先想想：能不能用正则表达式解决？

---

公众号:蓝海资料掘金营，微信deep3321