C++ 标准库 regex
下面对 C++11 起引入的 <regex> 头文件及其正则表达式支持做一次系统、深入的梳理，包括正则语法、主要类型、常用函数、标志选项、性能特性与实践建议。
一、概述
<regex>提供了基于 ECMAScript、POSIX、基本/扩展 POSIX、awk、grep 五种语法的正则表达式引擎。- 主要类模板有：
std::basic_regex<CharT,Traits>（常用别名std::regex）——编译后的正则模式对象std::match_results<Iterator>（别名std::smatch,std::cmatch）——匹配结果容器std::regex_iterator<It>/std::regex_token_iterator<It>——迭代匹配子串或分割结果
- 核心函数有：
std::regex_match：整个目标串是否匹配std::regex_search：子串匹配std::regex_replace：替换符合模式的子串
二、正则表达式语法模式（std::regex_constants::syntax_option_type）
| 语法类型 | 描述 |
|---|---|
ECMAScript（默认） | 类似 JavaScript 的正则语法 |
basic / extended POSIX | 传统 POSIX 风格，转义规则不同 |
awk | 类 awk 工具的正则语法 |
grep / egrep | GNU grep / egrep 语法 |
常见元字符（ECMAScript）：
| 元字符 | 含义 |
|---|---|
. | 匹配除换行外的任意单字符 |
^ / $ | 分别匹配目标串的起始 / 结束 |
[...] | 字符集，如 [a-z0-9_] |
[^...] | 排除字符集 |
\d/\w/\s | 数字 / 单词字符 / 空白符 |
*/+/? | 前一项的重复：0+、1+、0-or-1 |
{n}, {n,}, {n,m} | 精确 / 至少 / 范围重复 |
() | 捕获分组 |
(?:...) | 非捕获分组 |
| ` | ` |
(?=...) / (?!...) | 前瞻 / 负前瞻 |
(?<=...) / (?<!...) | 后顾 / 负后顾 |
三、主要类型
1. std::regex
std::regex::regex(const std::string& pattern,
std::regex_constants::syntax_option_type flags = std::regex_constants::ECMAScript);
- 编译模式：构造时会解析并编译正则，若语法错误抛
std::regex_error。 - 标志选项（可位或组合）：
icase：忽略大小写nosubs：不保留子表达式匹配结果（加速内存）optimize：尽量优化内部实现（花更多预处理时间）collate,ECMAScript,basic,extended,awk,grep,egrep
2. std::match_results<It>
- 存储一次匹配的所有子表达式结果。
- 关键成员：
size()：捕获组数（含组0，即整个匹配）operator[](i)：第 i 号捕获结果，类型sub_match<It>prefix()/suffix()：目标串中匹配前后剩余部分
常用别名：
using smatch = std::match_results<std::string::const_iterator>;
using cmatch = std::match_results<const char*>;
3. std::regex_iterator<It> 与 std::regex_token_iterator<It>
regex_iterator：在文本中迭代每一次 完整 的模式匹配（含子组）。regex_token_iterator：- 用于 提取子组 或 分割文本。
- 构造时可指定要提取的子组索引列表，或者用
-1表示取分割产生的非匹配区段。
四、常用函数
1. std::regex_match
bool regex_match(BidirIt first, BidirIt last,
std::match_results<BidirIt>& m,
const std::regex& re,
regex_constants::match_flag_type flags = match_default);
- 用途：整个区间
[first,last)是否完整匹配模式。 - 若匹配成功且提供
m，则可通过m[i]访问第 i 个子组。
std::smatch m;
if (std::regex_match(s, m, std::regex(R"(\d{4}-\d{2}-\d{2})"))) {
// m[0] 整体，m[1..] 捕获组
}
2. std::regex_search
bool regex_search(BidirIt first, BidirIt last,
std::match_results<BidirIt>& m,
const std::regex& re,
match_flag_type flags = match_default);
- 用途：在区间内查找首次出现的符合模式的子串。
- 可在循环中配合
m.suffix().first继续搜索下一个。
std::regex word_re(R"(\w+)");
auto it = s.cbegin(), end = s.cend();
std::smatch m;
while (std::regex_search(it, end, m, word_re)) {
std::cout << m.str() << "\n";
it = m.suffix().first;
}
3. std::regex_replace
std::string regex_replace(const std::string& s,
const std::regex& re,
const std::string& fmt,
regex_constants::match_flag_type flags = match_default);
- 用途：返回将所有（或部分）匹配子串替换为格式串后的新字符串。
- 格式串中可用
$&、$1…$&表示整个匹配，$n表示第 n 个捕获组。
std::string s = "2025-07-12";
std::string out = std::regex_replace(s,
std::regex(R"((\d{4})-(\d{2})-(\d{2}))"),
"$3/$2/$1");
// out == "12/07/2025"
五、标志与匹配选项（match_flag_type）
| 标志 | 含义 |
|---|---|
match_default | 默认 |
match_not_bol | 不把当前位置视为行首 |
match_not_eol | 不把当前位置视为行尾 |
match_not_bow | 忽略单词边界（\b） |
match_not_eow | 忽略单词边界（\b） |
match_any | 搜索任意子串时允许空串匹配 |
format_default | 默认格式 |
format_no_copy | 不拷贝未匹配文字 |
format_first_only | 替换时只处理第一次匹配 |
六、性能与实现
- 编译成本：
std::regex构造（编译）开销较高，推荐将经常使用的模式静态存储或复用； - 匹配成本：单次
regex_search/match属于 NFA 算法，平均线性，最坏情况存在回溯爆炸风险（尤其含大量回溯的复杂模式）； - 优化：
- 使用
nosubs可减少子组存储开销； optimize提示实现做尽量优化；- 简单模式（无分支、无回溯陷阱）性能最好；
- 使用
- 替代：对性能敏感场景，可考虑第三方库（如 RE2、Boost.Regex、Hyperscan）或手写有限状态机。
七、实践建议
- 模式复用
- 将
std::regex对象声明为static const或全局/成员复用，避免频繁重编译。
- 将
- 限制回溯
- 避免使用
.*与后续强制匹配结合的“邪恶”模式；可使用非贪婪量词（.*?）或显式字符集限定。
- 避免使用
- 合理拆分
- 复杂解析可先做简单分割（
regex_token_iterator）再对子串细化匹配，减少一次性匹配压力。
- 复杂解析可先做简单分割（
- 捕获 vs 非捕获
- 如果不需要提取子组，用
(?:…)或传入nosubs节省内存与时间。
- 如果不需要提取子组，用
- 边界与多行
- 使用
^/$匹配行首行尾时，注意输入须启用多行模式（match_not_bol/eol标志）或自行按行分割。
- 使用
- 替换效率
regex_replace每次返回新字符串；若在大文本上多次替换，可改用std::regex_iterator+ostringstream手动拼接，或先分块处理。
通过对 <regex> 中正则语法、主要类型、核心函数与性能特性的全面梳理，结合实战建议，能够帮助你在文本解析、日志处理、格式验证等场景中高效、稳健地使用标准库正则功能。祝编码顺利！