原文地址：https://www.cnblogs.com/pmars/archive/2012/10/24/2736831.html

工作需要用到C++中的正則表達式，所以就研究了以上三種正則。

1，C regex

/* write by xingming* time:2012年10月19日15:51:53* for: test regex* */#include <regex.h> #include <iostream> #include <sys/types.h> #include <stdio.h> #include <cstring> #include <sys/time.h>using namespace std; const int times = 1000000;int main(int argc,char** argv) {char pattern[512]="finance\.sina\.cn|stock1\.sina\.cn|3g\.sina\.com\.cn.*(channel=finance|_finance$|ch=stock|/stock/)|dp.sina.cn/.*ch=9&";const size_t nmatch = 10;regmatch_t pm[10];int z ;regex_t reg;char lbuf[256]="set",rbuf[256];char buf[3][256] = {"finance.sina.cn/google.com/baidu.com.google.sina.cndddddddddddddddddddddda.sdfasdfeoasdfnahsfonadsdf","3g.com.sina.cn.google.com.dddddddddddddddddddddddddddddddddddddddddddddddddddddbaidu.com.sina.egooooooooo","http://3g.sina.com.cn/google.baiduchannel=financegogo.sjdfaposif;lasdjf.asdofjas;dfjaiel.sdfaosidfj"};printf("input strings:\n");timeval end,start;gettimeofday(&start,NULL);regcomp(&reg,pattern,REG_EXTENDED|REG_NOSUB);for(int i = 0 ; i < times; ++i){for(int j = 0 ; j < 3; ++j){z = regexec(&reg,buf[j],nmatch,pm,REG_NOTBOL); /* if(z==REG_NOMATCH)printf("no match\n");elseprintf("ok\n");*/}}gettimeofday(&end,NULL);uint time = (end.tv_sec-start.tv_sec)*1000000 + end.tv_usec - start.tv_usec;cout<<time/1000000<<" s and "<<time%1000000<<" us."<<endl;return 0 ; }

使用正則表達式可簡單的分成幾步：

1.編譯正則表達式

2.執行匹配

3.釋放內存

首先，編譯正則表達式

int regcomp(regex_t *preg, const char *regex, int cflags);

reqcomp()函數用于把正則表達式編譯成某種格式，可以使后面的匹配更有效。

preg： regex_t結構體用于存放編譯后的正則表達式；

regex： 指向正則表達式指針；

cflags：編譯模式

共有如下四種編譯模式：

REG_EXTENDED：使用功能更強大的擴展正則表達式

REG_ICASE：忽略大小寫

REG_NOSUB：不用存儲匹配后的結果

REG_NEWLINE：識別換行符，這樣‘$’就可以從行尾開始匹配，‘^’就可以從行的開頭開始匹配。否則忽略換行符，把整個文本串當做一個字符串處理。

其次，執行匹配

int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags);

preg： 已編譯的正則表達式指針；

string：目標字符串；

nmatch:pmatch數組的長度；

pmatch：結構體數組，存放匹配文本串的位置信息；

eflags：匹配模式

共兩種匹配模式：

REG_NOTBOL：The match-beginning-of-line operator always fails to match? (but see? the? compilation? flag? REG_NEWLINE above). This flag may be used when different portions of a string are passed? to? regexec and the beginning of the string should not be interpreted as the beginning of the line.

REG_NOTEOL:The match-end-of-line operator always fails to? match? (but? see the compilation flag REG_NEWLINE above)

最后，釋放內存
void regfree(regex_t *preg);
當使用完編譯好的正則表達式后，或者需要重新編譯其他正則表達式時，一定要使用這個函數清空該變量。

其他，處理錯誤
size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);
當執行regcomp 或者regexec 產生錯誤的時候，就可以調用這個函數而返回一個包含錯誤信息的字符串。
errcode： 由regcomp 和 regexec 函數返回的錯誤代號。
preg： 已經用regcomp函數編譯好的正則表達式，這個值可以為NULL。
errbuf： 指向用來存放錯誤信息的字符串的內存空間。
errbuf_size： 指明buffer的長度，如果這個錯誤信息的長度大于這個值，則regerror 函數會自動截斷超出的字符串，但他仍然會返回完整的字符串的長度。所以我們可以用如下的方法先得到錯誤字符串的長度。

當然我在測試的時候用到的也比較簡單，所以就直接用了，速度一會再說！

2，C++ regex

/* write by xingming* time:2012年10月19日15:51:53* for: test regex* */#include <regex> #include <iostream> #include <stdio.h> #include <string>using namespace std;int main(int argc,char** argv) {regex pattern("[[:digit:]]",regex_constants::extended);printf("input strings:\n");string buf;while(cin>>buf){printf("*******\n%s\n********\n",buf.c_str());if(buf == "quit"){printf("quit just now!\n");break;}match_results<string::const_iterator> result;printf("run compare now! '%s'\n", buf.c_str());bool valid = regex_match(buf,result,pattern);printf("compare over now! '%s'\n", buf.c_str());if(!valid)printf("no match!\n");elseprintf("ok\n");}return 0 ; }

C++這個真心不想多說它，測試過程中發現?字符匹配的時候 ‘a' 是可以匹配的，a+也是可以的，[[:w:]]也可以匹配任意字符，但[[:w:]]+就只能匹配一個字符，+號貌似不起作用了。所以后來就干脆放棄了這偉大的C++正則，如果有大牛知道這里面我錯在哪里了，真心感謝你告訴我一下，謝謝。

3，boost regex

/* write by xingming* for:test boost regex* time:2012年10月23日11:35:33* */#include <iostream> #include <string> #include <sys/time.h> #include "boost/regex.hpp"using namespace std; using namespace boost; const int times = 10000000;int main() {regex pattern("finance\\.sina\\.cn|stock1\\.sina\\.cn|3g\\.sina\\.com\\.cn.*(channel=finance|_finance$|ch=stock|/stock/)|dp\\.s ina\\.cn/.*ch=9&");cout<<"input strings:"<<endl;timeval start,end;gettimeofday(&start,NULL);string input[] = {"finance.sina.cn/google.com/baidu.com.google.sina.cn","3g.com.sina.cn.google.com.baidu.com.sina.egooooooooo","http://3g.sina.com.cn/google.baiduchannel=financegogo"};for(int i = 0 ;i < times; ++ i){for(int j = 0 ; j < 3;++j){//if(input=="quit")// break;//cout<<"string:'"<<input<<'\''<<endl; cmatch what;if(regex_search(input[j].c_str(),what,pattern)) ;// cout<<"OK!"<<endl;else ;// cout<<"error!"<<endl; }}gettimeofday(&end,NULL);uint time = (end.tv_sec-start.tv_sec)*1000000 + end.tv_usec - start.tv_usec;cout<<time/1000000<<" s and "<<time%1000000<<" us."<<endl;return 0 ; }

boost正則不用多說了，要是出去問，C++正則怎么用啊？那90%的人會推薦你用boost正則，他實現起來方便，正則庫也很強大，資料可以找到很多，所以我也不在闡述了。

4，對比情況

單位(us)

boost regex

?

單位(us)

C regex

?

1

2

3

4

5

平均

?

?

1

2

3

4

5

平均

1w

218,699

?

?

?

?

218,700

?

1w

90,631

?

?

?

?

90,632

10w

2,186,109

2,194,524

2,188,762

2,186,343

2,192,902

2,191,350

?

10w

902,658

907,547

915,934

891,250

903,899

900,113

100w

25,606,021

28,633,984

28,956,997

26,912,245

26,909,788

27,669,546

?

100w

9,030,497

9,016,080

8,939,238

8,953,076

9,041,565

8,983,831

1000w

218,126,580

?

?

?

?

218,126,581

?

1000w

89,609,061

?

?

?

?

89,609,062

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

正則

finance\\.sina\\.cn|stock1\\.sina\\.cn|3g\\.sina\\.com\\.cn.*(channel=finance|_finance$|ch=stock|/stock/)|dp\\.s ina\\.cn/.*ch=9&

?

正則

finance\.sina\.cn|stock1\.sina\.cn|3g\.sina\.com\.cn.*(channel=finance|_finance$|ch=stock|/stock/)|dp.sina.cn/.*ch=9&

字符串

{"finance.sina.cn/google.com/baidu.com.google.sina.cn" ,?

?

字符串

{"finance.sina.cn/google.com/baidu.com.google.sina.cn" ,?

?

"3g.com.sina.cn.google.com.baidu.com.sina.egooooooooo" ,?

?

?

"3g.com.sina.cn.google.com.baidu.com.sina.egooooooooo" ,?

?

"http://3g.sina.com.cn/google.baiduchannel=financegogo"};

?

?

http://3g.sina.com.cn/google.baiduchannel=financegogo};

總結： C regex的速度讓我吃驚啊，相比boost的速度，C regex的速度幾乎要快上3倍，看來正則引擎的選取上應該有著落了！ 上面的表格中我用到的正則和字符串是一樣的（在代碼中C regex的被我加長了），速度相差幾乎有3倍，C的速度大約在30+w/s , 而boost的速度基本在15-w/s ,所以對比就出來了！ 在這里Cregex的速度很讓我吃驚了已經，但隨后我的測試更讓我吃驚。 我以前在.net正則方面接觸的比較多，就寫了一個.net版本的作為對比， using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Text.RegularExpressions;namespace 平常測試 {class Program{static int times = 1000000;static void Main(string[] args){Regex reg = new Regex(@"(?>finance\.sina\.cn|stock1\.sina\.cn|3g\.sina\.com\.cn.*(?:channel=finance|_finance$|ch=stock|/stock/)|dp.sina.cn/.*ch=9&)",RegexOptions.Compiled);string[] str = new string[]{@"finance.sina.cn/google.com/baidu.com.google.sina.cn",@"3g.com.sina.cn.google.com.baidu.com.sina.egooooooooo",@"http://3g.sina.com.cn/google.baiduchannel=financegogo"};int tt = 0;DateTime start = DateTime.Now;for (int i = 0; i < times; ++i){for (int j = 0; j < 3; ++j){if (reg.IsMatch(str[j])) ;//Console.WriteLine("OK!");//else//Console.WriteLine("Error!"); }}DateTime end = DateTime.Now;Console.WriteLine((end - start).TotalMilliseconds);Console.WriteLine(tt);Console.ReadKey();}} }

結果發現，正則在不進行RegexOptions.Compiled 的時候，速度和C regex的基本一樣，在編譯只會，速度會比C regex快上一倍，這不由得讓我對微軟的那群人的敬畏之情油然而生啊。

但隨后我去查看了一下該博客上面C regex的描述，發現我可以再申明正則的時候加入編譯模式，隨后我加入了上面代碼里的 REG_NOSUB（在先前測試的時候是沒有加入的），結果讓我心理面很激動的速度出來了，C regex 匹配速度竟然達到了 300+w/s，也就是比原來的（不加入REG_NOSUB)的代碼快了將近10倍。

之后我變換了匹配的字符串，將其長度生了一倍，達到每個100字符左右（代碼里面所示），匹配速度就下來了，但是也能達到 100w/s左右，這肯定滿足我們現在的需求了。

結果很顯然，當然會選擇C regex了。

總結

以上是生活随笔為你收集整理的C++中三种正则表达式比较（C regex，C ++regex，boost regex）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。