初衷——我想說的
大家好！
我所知道的正則表達式庫有：boost的，GNU的，VC7帶的ATL中的和微軟發布的greta。我使用過後三種，greta使用時間最短（才兩天）。
現在我來說說我的感受
GNU的正則表達式根本就不支持多字節碼，設置連UNICODE都不支持，在parse階段就會非法操作。在軟件全球化的今天，實在不是一個好現象。優點是支持的語法完備。
ATL中的正則表達式不完全支持多字節碼，可以完善的支持UNICODE。不過，此正則表達式書寫非常清晰，沒有用到STL裡面任何高深的東西，也沒有用到模板中特別高深的東西(我認為這才是C++的發展之道，畢竟，聰明人是少數——大部分是平庸的人，曲高寡合，總有一天會被大多數程序員拋棄,剩下一幫高手顧影自憐），所以，通過非常微小和容易的更改就可以完善支持多字節碼。缺點是不支持{n,m}語法，不支持遞歸語法，如："([^\\"]*(\\.)*[^\\"]*)*"。最後一個*是不被支持的。
greta能完善的支持單字節碼和UNICODE，語法也完善，而且據說普遍情況下速度也快，不過，把部分實現放cpp裡導致不能同時使用單字節碼和UNICODE編碼，posix和perl語法，解決辦法還算簡單：把cpp改名為inl，在.h裡include這個inl，再修改一點別的東西就可。問題是，它沒有支持多字節碼的實現，我仔細看看了，似乎通過自己寫一個多字節碼的迭代子，可以解決這個問題，因為他支持basic_string。
接下來的問題是：STL如何支持多字節碼的？我沒有在SGI-STL，STLPort453中找到關於多字節碼的東西。basic_string默認只實現了char,wchar_t的base_string。而要自己實現一個迭代子，我又不知道如何下手。
我現在的需求是
需要正則表達式支持類似這樣的語法：
“/漢字[ ]+[^ ， ,]+[ ]*[，,][ ]*[^ ， ,]+”
以匹配“／漢字 蘭征鵬 ，正則表達式”。
使用STL進行字符串搜索都有問題，比如在一篇文章中搜索“正則”，很可能就把三個漢字的中間四個字節匹配上了。出現這樣的情況，讓人哭笑不得。
有這方面經驗的或對STL比較熟悉的同仁，請勿吝啬指導
致
禮！
lanzhengpeng
2004-06-02
_______________________________________________
Cpp mailing list
在C/C++中如果想要使用與Perl兼容的regexp庫，一個選擇是Boost，另一個選擇是PCRE庫。Boost中的regex算法最近做了改近，平均效率比以前的版本提高了10倍，不過用起來可能比較麻煩。PCRE已經很成熟了，Apache/Postfix/PHP/Python都用它。我認為應該優先考慮。不過我自己沒有在Windows下編譯過，不是很有把握。
See www.pcre.org
我個人很喜歡Ruby中的正則表達式功能，功能強，速度也很不錯。因為Ruby是日本人發明的，處理東亞大字符集沒有任何問題。Ruby與C/C++接口很容易，但是為了這個小功能加入Ruby，似乎有點小題大做了。Perl我不熟悉。Lua獨創了一套模式匹配語法，而且Lua天生就是要嵌入到C/C++中去的，性能比Perl/Ruby/Python都快的多。Lua的模式匹配語法有點怪，解決lanzhengpeng的問題好像是足夠的，不過跟標准regex語法完全不同。
我個人的感覺，不如靜下心來寫一個iterator，應該是很容易的。不過我也很久沒干過這種事情了，也就泛泛的說說算了。
孟巖
_______________________________________________
Cpp mailing list
發件人: kyo
發送
[一人之斷制, 所見有限, 猶目之一瞥, 豈能盡萬物之情乎]
_______________________________________________
Cpp mailing list
關於C++漢字查找的問題最近大話西游也遇到，因為要限制經濟頻道裡的說話必須包含“賣”。要精確判斷的話，需要先把char*或string的字符串先用MultiByteToWideChar轉為 WCHAR或wstring, 然後再查找。這樣只能判斷有和無，實際上我需要精確位置。
是可以精確查找的呀。
另外是否可以嵌入其他東西：我覺得沒有必要，實際那些腳本語言最後也通過C/C++來做的，搞不好還就是用的我們已知的東西。而且正則表達式如此有用，以至於我到處都在使用——無論程序大小。如果為此在那些眾多的程序中嵌入一個腳本，也是我所不願意的。
_______________________________________________
Cpp mailing list
kyo,您好！
關於C++漢字查找的問題最近大話西游也遇到，因為要限制經濟頻道裡的說話必須包含“賣”。要精確判斷的話，需要先把char*或string的字符串先用MultiByteToWideChar轉為 WCHAR或wstring, 然後再查找。這樣只能判斷有和無，實際上我需要精確位置。
另外是否可以嵌入其他東西：我覺得沒有必要，實際那些腳本語言最後也通過C/C++來做的，搞不好還就是用的我們已知的東西。而且正則表達式如此有用，以至於我到處都在使用——無論程序大小。如果為此在那些眾多的程序中嵌入一個腳本，也是我所不願意的。
致
禮！
lanzhengpeng
2004-06-02
_______________________________________________
Cpp mailing list
Hello lanzhengpeng,
用什麼多字節，不但麻煩，效率又低，轉換成unicode再處理拉。
大家都這麼推薦，我著手做一下吧。多字及碼到ＵＮＩＣＯＤＥ的位置影射也應該不難為什麼要轉成 unicode? 我覺得轉成雙字節就夠了多一步轉換干什麼?
Best regards,
cloudwu
[凡是有良好教養的人有一禁誡：勿發脾氣]
_____________________________________________
Analyst，您好！
用什麼多字節，不但麻煩，效率又低，轉換成unicode再處理拉。大家都這麼推薦，我著手做一下吧。多字及碼到ＵＮＩＣＯＤＥ的位置影射也應該不難。
致
禮！
lanzhengpeng
2004-06-03
_______________________________________________
Cpp mailing list
kyo,您好！
關於C++漢字查找的問題最近大話西游也遇到，因為要限制經濟頻道裡的說話必須包含“賣”。要精確判斷的話，需要先把char*或string的字符串先用MultiByteToWideChar轉為 WCHAR或wstring, 然後再查找。這樣只能判斷有和無，實際上我需要精確位置。
是可以精確查找的呀。
我曾經做過一個小工具，提取並修改代碼中的文字部分，並將文字匯總到一個文件裡，需要本地化的時候，修改這個文件就可。比如：LANGUAGE(0,"我曾經做過一個小工具")；正則表達式應該很容易抽取出0，並且將0替換成一個其他的數值（就是後面的字符在文件中排序的編號）。如果轉換過後，我怎麼知道原來的位置呢？
致
禮！
lanzhengpeng
2004-06-03
_______________________________________________
Cpp mailing list
大家好！
近日空閒了，著手寫個正則表達式解析的東西吧，不求速度，只求滿足我的要求。在我完成一定階段的編碼後，會交付源代碼給大家測試。
現在問幾個問題：
“^”作為匹配起始的時候：
一、在單行模式下（即全文中可以包含換行符號“\n”，但是“$”不匹配“\n”，而是匹配結束。同時，“.”可匹配“\n”），“^”可否寫在表達式的中間，如此必然沒有任何可匹配的東西。這個時候是否作為語法錯誤？
二、在多行模式下，“^”是作為匹配的起始地址還是說匹配“\n ”的後一個字符？我比較趨向於匹配起始地址
三、在多行模式下，“$”可否匹配匹配串的結束？還是只匹配“\n|\r\n”
四、“^$”是否作為語法錯誤處理？如果不作為語法錯誤，是匹配一個空串還是什麼都不匹配？
這些疑問，在各個正則表達式庫或各個工具(如VC，UEdit)都有不同的處理方案。
另外,我暫時沒有找到正則表達式詳細介紹的資料（如rfc或編譯原理的書籍），煩請哪位達人提供一份資料，中文最好，英語也可，其它語言不考慮。
_______________________________________________
Cpp mailing list
關於C++漢字查找的問題最近大話西游也遇到，因為要限制經濟頻道裡的說話必須包含“賣”。要精確判斷的話，需要先把char*或string的字符串先用MultiByteToWideChar轉為 WCHAR或wstring, 然後再查找。這樣只能判斷有和無，實際上我需要精確位置。
是可以精確查找的呀。
我曾經做過一個小工具，提取並修改代碼中的文字部分，並將文字匯總到一個文件裡，需要本地化的時候，修改這個文件就可。比如：LANGUAGE(0,"我曾經做過一個小工具");
正則表達式應該很容易抽取出0，並且將0替換成一個其他的數值（就是後面的字符在文件中排序的編號）。如果轉換過後，我怎麼知道原來的位置呢？
wchar 查找到位置後，然後把它逐個轉換為char不就知道了嘛，哈哈 ：B
致
禮！
lanzhengpeng
2004-06-05
_______________________________________________
Cpp mailing list
我是初學者， 也來添亂：
一.在單行模式下^ $都只表述位置概念(開始， 結束）， 而不匹配具體的任何字串，所以$當然不匹配"\n "， ^寫在中間是可以匹配的， 比如我寫 a?^b 或者是a{0}^b時， bcd是可以匹配的， 當然把開始位置的匹配寫到其他地方不是一個好習慣， 但是也許也不應該禁止吧？
二.多行模式下^匹配"\n"的下一個字符, 比如^\d 和abcd\n123匹配， 而$匹配"\n"的上一個字符， 比如is$ 和his\nhere匹配 。
三.不是很理解所說的， 應該是指is$是否和hr\nhis這樣的字串匹配吧？ 答案是yes多行模式下使$輿行的末尾匹配（而不止是字符串的末尾）， ^輿行的開始匹配（而不止是字符串的開始）
四.不應該判為非法， 單行模式下 ^$匹配"" 多行模式下匹配"aaa\n\naaa"（空行)只用egrep測試過^_^
書就有一本了， 來可欣這邊就可以看到啦...《regular expression》
_____________________________________________
Cpp mailing list
我想說的
我相信，這個世界上的正則表達式解析庫遠遠不止我知道的這些，但是，願意開源的就很少了。開源的庫其質量也是參差不齊，或著重點不同。特別引人注目的是，在所有這些已知的代碼庫中，沒有一個是中國程序員寫的。我希望打破這種局面，並且注重功能和支持多字節碼（不僅僅是東亞大字符集），速度是其次——因為我的功底不夠，對正則表達式不是非常熟悉，對有限自動機也沒有理解透徹。
如果你要說我這個正則表達式語法不正統，那麼，我會說你長得不像人——因為我才是標准的人樣。
請勿散播造車不必從輪子造起的論調，我有很多大道理，但我不願意寫。公司領導對這個開放代碼持有異議，不過，由於此代碼庫沒有用在公司任何項目上，並且我堅持在家裡完成代碼的編碼工作（這篇文章倒是在公司機器上寫的），因此，此代碼庫不存在其他的版權糾紛，
本文配套源碼
