使用regex.h进行全词匹配

Whole-word matching with regex.h

本文关键字：regex 使用      更新时间：2023-10-16

我想要一个C++正则表达式，它匹配"香蕉"或"睡衣"，但不匹配"bananas2"、"bananas睡衣"或"香蕉"，或者基本上除了这两个词之外的任何词。所以我做了这个：

#include <regex.h>
#include <stdio.h>
int main()
{
  regex_t rexp;
  int rv = regcomp(&rexp, "\bbananas\b|\bpajamas\b", REG_EXTENDED | REG_NOSUB);
  if (rv != 0) {
    printf("Abandon hope, all ye who enter heren");
  }
  regmatch_t match;
  int diditmatch = regexec(&rexp, "bananas", 1, &match, 0);
  printf("%d %dn", diditmatch, REG_NOMATCH);
}

并且它打印CCD_ 1，就好像没有匹配一样。发生了什么？我还为正则表达式尝试了bbananasb|bpajamasb，但也失败了。

我用regex询问了关于std:：regex的全词匹配，但std:：regx很糟糕，速度很慢，所以我正在尝试regex.h。

POSIX标准既没有为BRE和ERE指定单词边界语法，也没有为其指定look-behind-and-look-ahead语法（可用于模拟单词边界）。因此，不可能编写一个具有单词边界的regex，它可以在不同的POSIX兼容平台上工作。

对于可移植的解决方案，如果您计划使用C++进行编码，则应该考虑使用PCRE或Boost.Regex。

否则，您将使用不可移植的解决方案。如果你可以接受这样的限制，有几个替代方案：

  • 如果你链接到GNU C库，它会扩展语法以包括单词边界，以及其他内容：b（单词边界）、B（非单词边界），<（单词的开头）、>（单词的结尾）
  • 一些系统将BRE和ERE语法扩展为包括[[:<:]]（单词的开头）、[[:>:]]（单词的结尾）语法

Konrad留下了一个很好的答案，解决了我的问题，但它不知怎么消失了，所以我无法接受。以下是为子孙后代打印正确内容的代码：

#include <regex.h>
#include <stdio.h>
int main()
{
  regex_t rexp;
  int rv = regcomp(&rexp, "[[:<:]]bananas[[:>:]]|[[:<:]]pajamas[[:>:]]", REG_EXTENDED | REG_NOSUB);
  if (rv != 0) {
    printf("Abandon hope, all ye who enter heren");
  }
  regmatch_t match;
  int diditmatch = regexec(&rexp, "bananas", 1, &match, 0);
  printf("%d %dn", diditmatch, REG_NOMATCH);
}

使用

s == "balances" || s == "pajamas"

而其中CCD_ 10是CCD_。

正则表达式可能会使简单的解决方案过于复杂。如果你想要固定的匹配，尤其要避免它们。

相关文章：