an-yun / AnyunRegex

C++ Regex

使用C++编写的正则表达式引擎

---

目录

• 使用C++编写的正则表达式引擎
  • 目录
  • 关于本项目
  • 实现思路
    • 1. 正则表达式运行符和优先级
      • 优先级表：
    • 2. 正则表达式和NFA一一对应关系
      • 说明：
    • 3. 匹配过程
  • 使用示例及说明
    • 1. 功能和代码示例
    • 2. 包含文件说明

------ ## 关于本项目        这个项目开始写于2016年10月14日，当时在本科的毕业设计应该些什么，后来在知乎上看到vczh的篇介绍正则表达式的文章，就有了一些想法。整个项目没有任何现有的正则表达式库的代码，全部自己写成，同时有大量的测试，测试的基准是C++11 regex。
       在后来的项目中，使用正则表达式结合爬虫分析招标公告，招标文件在和小组成员完成了一个招投标系统，系统可以自动分析抓取政府网站公开的招标公告，然后通过爬虫抓取下来，利用正则表达式进行分析，将分析结果存入数据库，然后通过web网站展示出来

---

实现思路

       因为正则表达式和非确定有限状态自动机NFA是完全等价的[^footnote]，所以可以把一个正则表达式一一对应的翻译成一个NFA（下面会详细说明）
       整体上，先把输入的正则表达式通过算符优先文法判断优先级，然后根据不同的优先级的运算符按照优先级，把每一部分的正则表达翻译成对应的有限状态自动机（分确定有限状态自动机DFA和非确定有限状态自动机NFA）。翻译后的有限状态自动机对应一个有向图，有一个起点（代表起始状态），有一个终点（代表终止状态，多个终点可以把它们用空边$\epsilon$连接到唯一的终点上）
       进行匹配的时候，记录匹配的信息，通过实时的匹配信息，结合有限状态自动机就可以从一个状态跳转到下一个状态，如果能到达说明匹配成功

1. 正则表达式运行符和优先级

优先级表：

• -1代表左边的优先级小于右边
• 0  代表左边的优先级等于右边(对应的操作是出栈)
• +1 代表左边的优先级大于右边
• error 代表出错，一般的情况是缺少括号
• 有些非运算符没有画出,如：,,',.等等

符号	'\0'	' \'	' ('	' )'	' ?'	' *'	' ^'	'$'	' +'	' {'	' }'	' ['	' ]'	'|'
'\0'	0	-1	-1	error	-1	-1	-1	-1	-1	-1	error	-1	error	-1
' \'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1
' ('	error	-1	-1	0	-1	-1	-1	-1	-1	-1	error	-1	error	-1
' )'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	error	+1	error	+1
' ?'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	error	+1	+1	+1
' *'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	error	+1	+1	+1
' ^'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	error	+1	error	+1
' $'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	error	+1	error	+1
' +'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	error	+1	+1	+1
' {'	error	error	error	error	error	error	error	error	error	error	0	error	error	error
' }'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	error	+1	error	+1
' ['	error	-1	-1	error	-1	-1	-1	-1	-1	error	error	-1	error	-1
' ]'	+1	+1	+1	+1	+1	+1	+1	+1	+1	+1	error	+1	0	+1
'|'	+1	-1	-1	-1	-1	-1	-1	-1	-1	-1	error	-1	-1	+1

       \0代表起始或者结束符
       \ 代表转义符号（和大多数编程语言中一样）
       ^ 在[]外代表取补集，其它地方代表行起始位置

2. 正则表达式和NFA一一对应关系

说明：

• 小写字母代表单个的终结符如a,b,c，表示输入的一个字符'a','1'等等
• 正则表达式统一用e加下标表示,如$e_1$,$e_2$,$a$等等

3. 匹配过程

---

使用示例及说明

1. 功能和代码示例

#include <iostream>
#include <string>
#include <fstream>
#include "Regex/Matcher.h"

using namespace anyun_regex;
using namespace std;

#define Println(content) \
    cout<<content<<endl;

void password_validate()
{
   string passwords[] =
    {
     "1aaaa2",
     "aaaa1111",
     "aa123",
     "123",
     "1123445690aaa",
     "abcd",
     "aabbccc",
     "11123" };
    NFA pattern("(\\w)\\1{2,}");
    for (string &password : passwords)
    {
     NFAMatcher matcher;
     Println("验证密码：" + password);
     if (NFAMatcher::search(password, matcher, pattern))
     {
      Println("包含重复3个以上,重复段为");
      Println(matcher.group());
     }
     else
      Println("OK");
     Println("");
    }
    Println("");
    cout << endl;
}
int main()
{
    password_validate();
    return 0;
}

运行结果：

验证密码：aaaa1111
包含重复3个以上,重复段为
aaaa

验证密码：aa123
OK

验证密码：123
OK

验证密码：1123445690aaa
包含重复3个以上,重复段为
aaa

验证密码：abcd
OK

验证密码：aabbccc
包含重复3个以上,重复段为
ccc

验证密码：11123
包含重复3个以上,重复段为
111

---

2. 包含文件说明

Regex/Matcher.h
Regex/NFA.h
Regex/DirectedGraph.h

[1] 这是一个 注脚 的 文本。 ↩