如何仅获取给定的捕获组 <regex> c++

Posted 2023-03-23

【中文标题】如何仅获取给定的捕获组 <regex> c++

【英文标题】：How to get only given captured group <regex> c++

【发布时间】：2017-08-16 10:30:27

【问题描述】：

我想提取标签的内部内容。来自以下字符串：

<tag1 val=123>Hello</tag1>

我只想得到

Hello

我做什么：

string s = "<tag1 val=123>Hello</tag1>";
regex re("<tag1.*>(.*)</tag1>");
smatch matches;
bool b = regex_match(s, matches, re);

但它返回两个匹配项：

<tag1 val=123>Hello</tag1>
Hello

当我尝试只获取第一个这样的捕获组时：

"<tag1.*>(.*)</tag1>\1"

我得到零匹配。

请指教。

【问题讨论】：

您只会得到 1 个包含两个子匹配的匹配：1) 整个匹配，2) 捕获组 1 值。可以使用matches[1].str() 或matches.str(1) 访问捕获

【参考方案1】：

regex_match 只返回一个匹配项，包括所有捕获组子匹配项（它们的数量取决于模式中有多少组）。

在这里，您只会得到 1 个包含两个子匹配的匹配：1) 整个匹配，2) 捕获组 1 值。

要获取捕获组的内容，需要访问smatches对象第二个元素matches[1].str()或matches.str(1)

请注意，当您编写 "<tag1.*>(.*)</tag1>\1" 时，\1 不会被解析为反向引用，而是被解析为八进制代码 1 的字符。即使您定义了 反向引用 em>（如"<tag1.*>(.*)</tag1>\\1"）您需要在</tag1> 之后重复使用捕获组1 捕获的整个文本 - 这绝对不是您想要的。实际上，我怀疑这个正则表达式有什么好处，至少，你需要用"[\\s\\S]*?" 替换".*"，但是用正则表达式解析 html 仍然是一种脆弱的方法。