使用REGEX以UTF8格式过滤字符串
Filtering string using regex in utf8 format
我正在尝试过滤逃脱特殊字符并将其转换为小写的字符串。例如:"Good morning!"
转换为good morning
。
我当时将一个字符串传递给我的功能。
我正在成功地过滤英语的字符串,但是当我通过母语的字符串时,我会有问题。
如果要包含所有UTF-8字符,我应该使用哪种类型的正则过滤字符串?
#include <string>
#include <iostream>
#include <regex>
#include <algorithm>
std::string process(std::string s) {
std::string st;
std::regex r(R"([^W_]+(?:['_-][^W_]+)*)");
std::sregex_iterator i = std::sregex_iterator(s.begin(), s.end(), r);
std::smatch m = *i;
st = m.str();
std::transform(st.begin(), st.end(), st.begin(), ::tolower);
return st;
}
int main() {
std::string st = "ąžuolas!";
std::cout << process(st) << std::endl; // <- gives: uolas
return 0;
}
您可以使用Regex p{L}p{M}*
匹配任何Unicode'字母'字符。
因此,完整的正则是:
((?:p{L}p{M}*)+(?:['_-](?:p{L}p{M}*)+)*)
演示
源