Synopsis

Синтаксис регулярных выражений POSIX-Extended поддерживается API регулярных выражений POSIX C, а вариации используются утилитами<egrep>и<awk>. Вы можете создавать расширенные регулярные выражения POSIX в Boost. Регекс путем передачи флага<extended>конструктору регекса, например:

// e1 is a case sensitive POSIX-Extended expression:
boost::regex e1(my_expression, boost::regex::extended);
// e2 a case insensitive POSIX-Extended expression:
boost::regex e2(my_expression, boost::regex::extended|boost::regex::icase);

POSIX Extended Syntax

В POSIX-расширенных регулярных выражениях все символы совпадают друг с другом, за исключением следующих специальных символов:

.[{}()\*+?|^$

Wildcard:

При использовании за пределами набора символов будет соответствовать любому отдельному символу, за исключением:

Anchors:

Персонаж «^» должен соответствовать началу строки при использовании в качестве первого символа выражения или первого символа подвыражения.

Символ «$» должен соответствовать концу строки при использовании в качестве последнего символа выражения или последнего символа подвыражения.

Marked sub-expressions:

Раздел, начинающийся<(>и заканчивающийся<)>, действует как обозначенное подвыражение. Все, что соответствует подвыражению, разделено в отдельном поле алгоритмами сопоставления. Помеченные подвыражения также могут повторяться или упоминаться посредством обратной ссылки.

Repeats:

Любой атом (единый символ, обозначенное подвыражение или класс символов) может быть повторен с операторами<*>,<+>,<?>и<{}>.

Оператор<*>будет соответствовать предыдущему атомунулю или более раз, например выражение<a*b>будет соответствовать любому из следующего:

b
ab
aaaaaaaab

Оператор<+>будет соответствовать предыдущему атомуодин или более раз, например, выражение a+b будет соответствовать любому из следующего:

ab
aaaaaaaab

Но не будет соответствовать:

b

Оператор<?>будет соответствовать предыдущему атомунулю или один раз, например выражение<ca?b>будет соответствовать любому из следующего:

cb
cab

Но не будет соответствовать:

caab

Атом также может быть повторен с ограниченным повторением:

<a{n}>Матчи «а» повторяютсяровно n раз.

<a{n,}>Матчи «а» повторяютсяn или более раз.

<a{n,m}>Матчи 'а' повторяютсямежду n и m раз включительно.

Например:

^a{2,3}$

Будет соответствовать любому из:

aa
aaa

Но ни один из них:

a
aaaa

Ошибкой является использование оператора повтора, если предыдущая конструкция не может быть повторена, например:

a(*)

Это приведет к возникновению ошибки, поскольку оператору<*>нечего применять.

Back references:

Характер побега, за которым следует цифраn, гдеnнаходится в диапазоне 1-9, соответствует той же строке, которая была сопоставлена субэкспрессиейn. Например, выражение:

^(a*).*\1$

Будет соответствовать струне:

aaabbaaa

Но только не струна:

aaabba

Alternation

Оператор<|>будет соответствовать любому из своих аргументов, поэтому, например:<abc|def>будет соответствовать либо «abc», либо «def».

Парентезис можно использовать для групповых чередований, например:<ab(d|ef)>будет соответствовать либо «abd», либо «abef».

Character sets:

Набор символов - это выражение скобки, начиная с [и заканчивая ], оно определяет набор символов и соответствует любому отдельному персонажу, который является членом этого набора.

Выражение скобки может содержать любую комбинацию из следующего:

Single characters:

Например,<[abc]>, будет соответствовать любому из символов 'a', 'b' или 'c'.

Character ranges:

Например,<[a-c]>будет соответствовать любому одному персонажу в диапазоне от «a» до «c». По умолчанию для POSIX-расширенных регулярных выражений символxнаходится в диапазонеудоz, если он коллатирует в этом диапазоне; это приводит к специфическому поведению локализации. Это поведение можно отключить, отключив флаг опции<collate>— в этом случае, появляется ли персонаж в диапазоне, определяется путем сравнения только кодовых точек символов.

Negation:

Если выражение скобки начинается с символа ^, то оно совпадает с дополнением символов, которые оно содержит, например<[^a-c]>соответствует любому персонажу, который не находится в диапазоне<a-c>.

Character classes:

Выражение формы<[[:name:]]>соответствует названному классу символов «имя», например<[[:lower:]]>соответствует любому персонажу нижнего регистра. См.названия классов.

Collating Elements:

Выражение формы<[[.col.]>соответствует коллационному элементуcol. Коллатеральный элемент - это любой один символ или любая последовательность символов, которые коллатируются как единое целое. В качестве конечной точки диапазона могут также использоваться коллационные элементы, например:<[[.ae.]-c]>соответствует последовательности символов «ae», плюс любой одиночный символ в диапазоне «ae»-c, предполагая, что «ae» рассматривается как один коллатинговый элемент в текущей локализации.

Элементы коллайтинга могут использоваться вместо побегов (которые обычно не допускаются внутри наборов символов), например<[[.^.]abc]>будет соответствовать любому из символов 'abc^'.

В качестве расширения коллатинговый элемент может быть также указан через егосимволическое имя, например:

[[.NUL.]]

Соответствует NUL-персонажу.

Equivalence classes:

Выражение формы<[[=col=]]>соответствует любому символу или коллатеральному элементу, основной сорт-ключ которого такой же, как и для коллатерального элемента, так как при коллатеральных элементах имяможет бытьсимволическим именем. Основной сорт-ключ - это тот, который игнорирует случай, акцентацию или локальные пошивы; так, например,<[[=a=]]>соответствует любому из персонажей: a, & #192;, & #193;, & #194;, & #195;, & #196;, & #197;, A, & #224;, & #225;, & #226;, & #227;, & #228; и & #229;. К сожалению, реализация этого зависит от поддержки коллаборации и локализации платформы; на эту функцию нельзя полагаться, чтобы она работала переносимо на всех платформах или даже во всех местах на одной платформе.

Combinations:

Все вышеперечисленное можно объединить в одну декларацию набора символов, например:<[[:digit:]a-c[.NUL.]]>.

Escapes

Стандарт POSIX не определяет последовательности выхода для регулярных выражений POSIX-Extended, за исключением того, что:

Однако это довольно ограничительно, поэтому следующие стандартно совместимые расширения также поддерживаются Boost. Регекс:

Escapes matching a specific character

Следующие последовательности бегства являются синонимами для отдельных символов:

"Single character" character classes:

Любой сбежавший персонажx, еслиxявляется именем класса персонажей, должен соответствовать любому персонажу, который является членом этого класса, и любой сбежавший персонажX, еслиxявляется именем класса персонажей, должен соответствовать любому персонажу, не относящемуся к этому классу.

По умолчанию поддерживаются следующие:

Character Properties

Имена свойств символов в следующей таблице эквивалентны именам, используемым в классах символов.

Например,<\pd>соответствует любому «цифровому» персонажу, как и<\p{digit}>.

Word Boundaries

Следующие последовательности побега соответствуют границам слов:

Buffer boundaries

Следующее совпадение только на границах буфера: «буфер» в этом контексте - это весь входной текст, который сопоставляется с (обратите внимание, что ^ и $ могут соответствовать встроенным новым линиям в тексте).

Continuation Escape

Последовательность<\G>совпадает только в конце последнего найденного матча или в начале текста, если предыдущий матч не был найден. Этот выход полезен, если вы повторяете матчи, содержащиеся в тексте, и хотите, чтобы каждый последующий матч начинался там, где закончился последний.

Quoting escape

Последовательность выхода<\Q>начинает «цитируемую последовательность»: все последующие символы трактуются как буквальные, пока не будет найден либо конец регулярного выражения, либо<\E>. Например, выражение:<\Q\*+\Ea+>соответствует любому из:

\*+a
\*+aaa

Unicode escapes

Any other escape

Любая другая последовательность побега соответствует персонажу, который ускользнул, например, @ соответствует буквальному @.

Operator precedence

Порядок приоритета операторов выглядит следующим образом:

What Gets Matched

Когда существует более чем один способ соответствия обычному выражению, «наилучшее» возможное соответствие получается с использованиемлевое самое длинное правило.

Variations

Egrep

Когда выражение скомпилировано с наборомфлага<egrep>, то выражение рассматривается как новый выделенный списоквыражений POSIX-Extended, совпадение обнаруживается, если любое из выражений в совпадении списка, например:

boost::regex e("abc\ndef", boost::regex::egrep);

Соответствует любому из основных выражений POSIX «abc» или «def».

Как следует из названия, такое поведение согласуется с утилитой Unix<egrep>и с грэпом при использовании с опцией -E.

awk

В дополнение кфункциям POSIX-Extendedубегающий символ является специальным внутри объявления класса символов.

Кроме того, необходимо поддерживать некоторые последовательности выхода, которые не определены как часть спецификации POSIX-Extended, однако Boost. Regex поддерживает их по умолчанию.

Options

Существуетразнообразие флагов, которые могут быть объединены с<extended>и<egrep>вариантами при построении регулярного выражения, в частности, обратите внимание, что<newline_alt>опция изменяет синтаксис, в то время как<collate>,<nosubs>и<icase>опцииизменяют способ применения чувствительности к регистру и локализации.

References

IEEE Std 1003.1-2001, Portable Operating System Interface (POSIX), Base Definitions and Headers, Section 9, Regular Expressions.

IEEE Std 1003.1-2001, Portable Operating System Interface (POSIX), Shells and Utilities, Section 4, Utilities, egrep.

IEEE Std 1003.1-2001, Portable Operating System Interface (POSIX), Shells and Utilities, Section 4, Utilities, awk.