正則表達式是一種模式匹配形式，它通常用在處理的文本程序中。比如我們經常使用的grep工具，還是perl語言都使用了正則表達式。傳統的C++處理正則表達式是非常麻煩的，這也成為很多其他語言愛好者的笑柄，現在情況不一樣了，因為有了boost。
Boost是一個基于Template的開發源代碼庫，在這個庫中有很多子庫用來高效處理各方面的問題，比如字符串拆分，格式化，線程等等，Boost對于每一個C++愛好者都是應該了解的，對于C++ Builder用戶如果能在熟練使用VCL的情況下再熟練使用Boost，我想一定如虎添翼。

    一般來說，使用Boost是非常簡單，和使用其他STL庫沒有太大區別，但使用Boost的正則表達式庫則不那么容易，因為這個庫還需要我們單獨編譯，下面我將詳細介紹如何使用。

    如果你還不知道或者還沒有Boost的話，你可以去www.boost.org下載最新版本，作者使用的是1.30版本。將下載下來的zip包[1]解壓到任何你喜歡的目錄，比如D:\boost。

    編譯正則表達式庫

    前面已經提到，這個庫需要我們單獨編譯才能使用，為什么不編譯好一起發布呢？主要是考慮到不同的編譯器需要不同的鏈接庫文件和鏈接庫太大了。在命令行下，進入[%Boost]\Libs\RegEx\Build目錄，直接敲入make –fbcb6.bat命令開始編譯，這里請大家注意了，如果你的計算機上同時安裝了BCB5，請一定要把path設置成為BCB6的bcc32.exe程序所在的目錄，否則可能使用BCB5的make程序，這樣雖然能編譯但最后不能使用。

編譯過程相當耗時，你需要耐心等待，最終編譯完成，會在[%Boost]\Libs\RegEx\Build目錄生成一個BCB6目錄，在這個目錄生成了很多lib文件和dll文件，把所有dll文件復制到windows系統目錄，所以lib文件復制到bcb6\lib目錄。如果你不想這么麻煩的復制文件，可以在編譯時加入install參數，就像這樣make –fBcb6.bat install，不過作者還是比較喜歡前一種方式，這樣我可以知道到底生成了什么文件。現在編譯已經完成了，你可以體現boost的神奇魅力了。

一個測試程序

在BCB6中創建console程序，編寫下列代碼：

#include<deque>

#include<iostream>

#include<algorithm>

#include<boost/regex.hpp>


int main()

{

using namespace boost;

using namespace std;

regex expression("\\s+href\\s*=\\s*\"([^\"]*)\"",regbase::normal regbase::icase);

string s="<a href=\"index.html\"><img src=http://www.programfan.com/"logo.gif\"></a>";

deque<string> result;

regex_split(std::back_inserter(result),s,expression);

copy(result.begin(),result.end(),ostream_iterator<string>(cout,"\n"));

int c;

cin>>c;

return 0;

}


設置BCB6 Project屬性的Lib Path和Include Path為你安裝boost的目錄，運行你會看到結果：

index.html

可以看到index.html已經從字符串中提出出來了，那么為什么會是這樣呢？

代碼的核心部分是：

regex expression("\\s+href\\s*=\\s*\"([^\"]*)\"",regbase::normal regbase::icase);

它用來設置如何匹配字符串，上面亂七八糟的字符串很難看懂，如果不了解正則表達式的書寫規則，上面代碼可以和天書媲美。

regbase::normal regbase::icase 是解析參數設置，具體可以參考boost幫助文檔。

正則表達式的書寫規則

具體的書寫規則，大家可以參看boost的文檔，我這里做一下簡要說明：

. (dot)
用來匹配任何一個字符，但不包括新行上的字符

*
閉包，任意有限次的自重復連接

+
有限次自重復連接，但至少出現一次

{}
指定可能的重復次數

例如：

ba* 匹配 b ba baa baaa等

ba+ 匹配 ba baa baaaaaaaaa等

ba{1,5} 匹配 ba baa baaa baaaa baaaaa

\
轉義字符，有很多用途，根據參數設置而變化，最常見的就是類似于c語言\的用法

\s
匹配空格

\w
匹配一個單詞

\d
匹配數字

()
有兩種用法：

1是合并的作用，例如(ab)*匹配ab abab ababab等

2是確定匹配，也就是說在()中的字符將被最終拆解出來


根據上面這張表，我們可以很容易知道前面的那段天書如何解釋。

一個實際的例子

前一段時間在CSDN上有一篇帖子，問題是有一種文件結構如（類似）：

@People{

Age=19

Speek=”Hay,{name},how are you”

}

問如何拆分字符串得到@后面的名字，=兩邊的屬性名和屬性值，引號里{}種的名字。

解決這個問題用正則表達式再合適不過了。

根據分析，我們可以這樣構造匹配規則：

"@(.*?)\s*\\{" 匹配@開始的字符創，后面兩種類型如何構造匹配規則留給大家思考吧。

這樣我們可以輕易拆解這個例子。

性能分析

通過上面的討論，大家已經了解到boost的強大威力，那個性能又如何呢？為此我們再實際來拆分一個復雜的html代碼，看看到底需要花費多少時間。

為了節省篇幅，這里就不列出html代碼了，不過可以告訴大家，這是一個又Word生成的大小為186K的html文件，這個文件中用到了很多<table>標簽，所以我這里測試就來拆分所有<table>標簽的width屬性。測試代碼如下：

#include<deque>

#include<iostream>

#include<algorithm>

#include<boost/regex.hpp>

#include<vcl.h>


int main()

{

using namespace boost;

using namespace std;

TStringList* html=new TStringList();

html->LoadFromFile("D:\\1.htm");

regex expression("\\s+width=([^\"]*)\s+",regbase::normal regbase::icase);

DWORD start=GetTickCount();

for(int n=0;n<html->Count;n++)

{

string s=html->Strings[n].c_str();

deque<string> result;

regex_split(std::back_inserter(result),s,expression);

copy(result.begin(),result.end(),ostream_iterator<string>(cout,"\n"));

result.clear();

}

start=GetTickCount()-start;

delete html;

cout<<start;

int c;

cin>>c;

return 0;

}


輸出結果為671毫秒，拆分得到1072個width屬性值，我們可以看到boost的效率是非常高的，雖然與一些角本語言比起來解析速度還是慢，但已經可以滿足大多數編程要求了。另外作者的計算機配置并不是非常高，相信拿到現在任何一臺主流配置的計算機上都會優于作者的結果。

結束語

其實上面的強大威力只是boost的冰山一角，如果你不自己去體會，你很難想象到boost的強大威力。在boost里還有很多使用的庫，比如格式化輸出，字符串拆解，類型轉換等，這些庫使用起來也比較方便，大家可以自行參考boost文檔。在這些庫中還有兩個庫需要自行編譯，他們是Python和thread庫，而且這些庫的編譯需要專門的工具Jam，所以我們在編譯這些庫的時候還要編譯jam工具，而編譯jam工具也不是一件快樂的事情，麻煩同樣出現在如果你安裝了多個編譯器，如果讀者有興趣可以自己試一下。

不過BCB6并不支持全部boost庫，從boost提供的編譯器支持表可以看到[2]，BCB6還是有相當多的庫不支持的，支持最好的是gcc/g++的編譯器，但也不是全部支持。希望borland下一個將要發布的C++編譯器可以支持更多C++標準。


--------------------------------------------------------------------------------

[1] 其實還有其他類型的包，但在windows系統下，你最好下載zip包

[2] Boost提供的編譯器支持表是針對BCB5的，對于BCB6的支持作者并沒有詳細測試，如果讀者有興趣可以自己測試boost附帶的測試代碼。