C++ 中的正则表达式 unicode 字符

Question

我的配置文件（例如 .ini 文件）的以下部分已损坏，我正在开发一个 C++ 应用程序来检测文件损坏，使用正则表达式检测我的配置文件中的无效字符：

当我读取此文件时，通过使用 istream 并将其存储到字符串（示例）中，我在 myexpr 的正则表达式实现中遇到问题，不知何故无法检测到文件损坏。在这段代码中，我预存了读取的文件内容。

TEST(Concept, RegexUnicode1Sample)
{
    regex myexpr (R"(/[^\u0020-\u007E]|(\b.*(Mensagem|Antes|Loop|Movimentar|\|).*)|\[0-9]{3,4}/g)");

    string sample = R"(5[=10=]3[=10=]3[=10=]0271\f[=10=]2[=10=]271H637B17042[=10=]4675
                    1;76ocolPortSecure=0\nMultiProtocolPort=0\n\n[TCP]\nTYPE=TCPIP\nPort=6800\n\n)";

    bool status = regex_match(sample,myexpr);
    EXPECT_TRUE(status);
}

当我运行时此单元测试失败，这里可能有什么问题？我在 https://regexr.com/ 测试了我的正则表达式，它可以检测到损坏的字符。

Answer 1

您在正则表达式中使用了 Perl /.../g 语法。 C++ 不支持。

相反，只包含斜线之间的模式。然后，要进行全局搜索，请使用 std::regex_search:

std::regex myexpr (R"([^\u0020-\u007E]|(\b.*(Mensagem|Antes|Loop|Movimentar|\|).*)|\[0-9]{3,4})");
std::string sample = R"(5[=10=]3[=10=]3[=10=]0271\f[=10=]2[=10=]271H637B17042[=10=]4675
                    1;76ocolPortSecure=0\nMultiProtocolPort=0\n\n[TCP]\nTYPE=TCPIP\nPort=6800\n\n)";
bool status = std::regex_search(sample, myexpr);

演示：https://godbolt.org/z/5n51z3

不过，需要注意的是，C++ 标准库实现中的 Unicode 支持状态非常差。如果您需要匹配非 ASCII 字符，您可以考虑使用开箱即用支持 UTF-8 的第三方库。

C++ 中的正则表达式 unicode 字符

Regex unicode chars in C++

c++

regex

unicode