正则表达式，字符串中只有数字 C++

Posted 2023-02-22

【中文标题】正则表达式，字符串中只有数字 C++

【英文标题】：regex with only numbers in a string c++

【发布时间】：2015-11-04 11:40:44

【问题描述】：

我正在寻找一个正则表达式来查找字符串中的数字；如果我有这样的字符串：

li 12.12 si 43,23 45 31 uf 889 uf31 3.12345

我只想找到数字：

12.12 45 31 889 3.12345

我尝试了以下模式：

((\\+|-)?[[:digit:]]+)(\\.(([[:digit:]]+)?))?

但输出包括uf31 和43,23。

我试过了：

(?!([a-z]*((\\+|-)?[[:digit:]]+)(\\.(([[:digit:]]+)?))?[a-z]*))?((\\+|-)?[[:digit:]]+)(\\.(([[:digit:]]+)?))?

但这给出了相同的结果。

解决办法是什么？

解决方案 留给后代解决方案：

如果您正在寻找不使用正则表达式的简单有效的解决方案，请参阅Jonathan Mee's post below

如果您正在寻找使用 RegEx 的解决方案，请参阅 the wonderful regex from stribizhev

R"((?:^|\s)([+-]?[[:digit:]]+(?:\.[[:digit:]]+)?)(?=$|\s))"

【问题讨论】：

您能否定义要用于分隔符的内容？我了解您确实不想要包含除空格分隔的数字以外的任何内容。对吗？

你要支持.5吗？

科学记数法怎么样？您需要具体说明您希望能够捕获的内容。您的示例字符串不包含 + 或 - 并且您没有在文本中提及它们，但您的正则表达式尝试这样做。

@stribizhev 如果 OP 明确表示他在寻找什么，我不介意提供支持。

@user3641602：对不起，我不明白你的回答。打印'5'??

【参考方案1】：

实际上，C++ 正则表达式模块支持前瞻。

这是我的建议：

#include <iostream>
#include <regex>
using namespace std;

int main() 
    std::string buffer = " li 12.12 si 43,23 45 31 uf 889 uf31 3.12345";
    std::regex rx(R"((?:^|\s)([+-]?[[:digit:]]+(?:\.[[:digit:]]+)?)(?=$|\s))"); // Declare the regex with a raw string literal
    std::smatch m;
    std::string str = buffer;
    while (regex_search(str, m, rx)) 
        std::cout << "Number found: " << m[1] << std::endl; // Get Captured Group 1 text
        str = m.suffix().str(); // Proceed to the next match
      
    return 0;

见IDEONE demo

由于原始字符串字面量声明，\s 无需使用双反斜杠。

lookahead (?=$|\s) 检查是否存在，但不占用空格，并且可以提取连续数字。

注意，如果你需要提取像.5这样的十进制值，你需要

R"((?:^|\s)([+-]?[[:digit:]]*\.?[[:digit:]]+)(?=$|\s))"

【讨论】：

我的立场是正确的，我上次测试环视时使用的是 Visual Studio 2013。看来 C++ 现在完全支持 ECMAScript！但是，我仍然认为环顾四周是最昂贵的正则表达式操作。除非绝对必要，否则应避免使用它们，但它们不在这里。

在这种情况下，按照这个逻辑，前瞻是必须的。如果没有前瞻，您将无法匹配 <SPACE>41<SPACE>31<SPACE> 中的数字。

@JonathanMee：请查看your results - 您的正则表达式与预期的31 不匹配。

@user3641602：很高兴它对你有用，请考虑接受答案。

这是一个原始字符串文字。符号是R"()"。在括号内，\ 符号表示文字 \ 符号，而不是 C 转义符号。

【参考方案2】：

你需要这个正则表达式：

(?<!,)\b([\d\.]+)\b(?!,)

【讨论】：

谢谢！但是用你的正则表达式我打印token . token , token .

@user3641602 这将匹配 1.2.3...您要对您的号码强制执行正确编号吗？

那么你只需要修改当前的正则表达式：\b([\d\.]+)\b

这有你原来的正则表达式的错误：它捕获 1.2.3 ......但现在它也被@KarolyHorvath 接受了正则表达式中对 Boost 的需求

@user2079303 更正，我的意思是输入这将从逗号以外的任何符号中提取：例如"12#3" 将捕获 12 和 3。

【参考方案3】：

就像stated by stribizhev 一样，这只能通过环视来完成。因为在搜索空格前后的数字时，将需要使用单个空格分隔数字。

user2079303 poses a viable option to regexes 可以简化到与正则表达式相媲美的程度：

for_each(istream_iterator<string>(istringstream(" li 12.12 si 43,23 45 31 uf 889 uf31 3.12345")),
         istream_iterator<string>(),
         [](const string& i) 
            char* it;
            double num = strtod(i.c_str(), &it);
            if (distance(i.c_str(), const_cast<const char*>(it)) == i.size()) cout << num << endl; );

但是，无需istringstream 或正则表达式的权重，只需使用strtok 即可完成此操作：

char buffer[] = " li 12.12 si 43,23 45 31 uf 889 uf31 3.12345";

for (auto i = strtok(buffer, " \f\n\r\t\v"); i != nullptr; i = strtok(nullptr, " \f\n\r\t\v")) 
    char* it;
    double num = strtod(i, &it);

    if (*it == '\0') cout << num << endl;

请注意，对于我的分隔符参数，我只是使用默认的 isspace 值。

【讨论】：

如果使用原始字符串文字，则无需转义。 31 不匹配，顺便说一句。

@KarolyHorvath 错了，注意那些是非捕获括号。

+1 感谢您简化使用strtod 的第二个参数。我花了一些时间来理解文档。

@user2079303 看来我们是唯一使用strtod 的人 :( 好吧，如果您正在寻找有关如何使用它的更好解释，您可能想查看：***.com/q/32991193/2642059

【参考方案4】：

正则表达式通常不可读且难以证明是正确的。仅匹配有效有理数的正则表达式需要复杂且容易混淆。因此，我提出了一种替代方法。而不是正则表达式，使用 c++ 标记您的字符串并使用std::strtod 来测试输入是否为有效数字。这是示例代码：

std::vector<std::string> split(const std::string& str) 
    std::istringstream iss(str);
    return 
        std::istream_iterator<std::string>iss,
        std::istream_iterator<std::string>
    ;


bool isValidNumber(const std::string& str) 
    char* end;
    std::strtod(str.data(), &end);
    return *end == '\0';


// ...
auto tokens = split(" li 12.12 si 43,23 45 31 uf 889 uf31 3.12345");
std::vector<std::string> matches;
std::copy_if(tokens.begin(), tokens.end(), std::back_inserter(matches), isValidNumber);

【讨论】：

你打败我了strtod+1

是的，这是一种可能的方式。但我有问题的解决方案。我想通过正则表达式减少我的代码，因为如果您使用正则表达式，那么您将拥有一个强大的手动工具！ :) 但是，正如您之前提到的，“正则表达式通常不可读且难以证明正确。” :)

@user3641602 我认为他的解决方案首先比正则表达式解决方案更简单。我在回答中提供的选项之一中简化了他的代码：***.com/a/33521413/2642059

【参考方案5】：

使用否定的lookahead 和lookbehind 来断言数字的两边都没有有趣的字符：

(?<![^\\s])(\\+|-)?[0-9]+(\\.[0-9]*)?(?![^\\s])

不幸的是，您将需要Boost.Regex 来完成该任务，因为内置的不支持这些结构。

您最好将输入拆分为单词，然后对每个单词使用简单的正则表达式。

【讨论】：

C++ 不支持向前看或向后看

ATM 我真的没有看到其他方法。

请注意：[^\\s] 正在寻找不是'\\' 或's' 的字符。你真正的意思是\S

@JonathanMee cplusplus.com/reference/regex/ECMAScript c++ 支持前瞻

我拒绝并且一直拒绝使用 Boost。为了团队的兼容性，我更喜欢使用标准。

【参考方案6】：

您可以使用trick 来消费您不想要的东西。像这样。

(?:\d+,|[a-z]+)\d+|(\d+[.\d]*)

修改管道预捕获和第一组抓取捕获中应排除的所有内容。

See demo at regex101。不知道 (: 非捕获组是否适用于 c++。如果没有，请删除。

【讨论】：

令人印象深刻的思考方式，但这将捕获：“123abc”和“12#3”你有办法解决这个问题吗？

@JonathanMee 这种方法只有在已知可能发生的情况下才有意义。对于您的样品必须add those cases like this。

【参考方案7】：

两次尝试：

#include <string>
#include <iostream>
#include <regex>
#include <sstream>


int main()

    using namespace std;

    string buffer(" li 12.12 si 43,23 45 31 uf 889 uf31 3.12345 .5");

    regex num_regex("(^|\\s)([\\+-]?([0-9]+\\.?[0-9]*|\\.?[0-9]+))(\\s|$)");
    smatch num_match;
    while (regex_search(buffer, num_match, num_regex))
    
        if (num_match.size() >= 4) //3 groups = 4 matches
        
            //We only need the second group
            auto token = num_match[2].str();
            cout << token << endl;
        

        buffer = num_match.suffix().str();
    
    return 0;

---

#include <string>
#include <iostream>
#include <regex>
#include <sstream>


int main()

    using namespace std;

    string buffer(" li 12.12 si 43,23 45 31 uf 889 uf31 3.12345 .5");

    istringstream iss(buffer);
    vector<string> tokens istream_iterator<string>iss, istream_iterator<string> ;

    regex num_regex("^[\\+-]?([0-9]+\\.?[0-9]*|\\.?[0-9]+)$");
    for(auto token : tokens)
    
        if (regex_search(token, num_regex))
        
            //Valid entry
            cout << token << endl;
        
    

    return 0;

【讨论】：

first 是正确的，但忽略 31 和 0.5 秒总是忽略

31 没有被忽略——我只是测试了这两个变体。 .5 你说得对 - 我会更新我的答案