QT C++ QRegularExpression多重匹配

Question

我希望使用正则表达式从QString (.html)中提取信息。我明确地希望使用Regex (无解析解决方案)和类QRegularExpression (出于几个原因，例如：原因)。

对于简化方面，这里是一个问题等价的任务。

构造的源字符串：

<foo><bar s>INFO1.1</bar> </ qux> <peter></peter><bar e>INFO1.2
</bar><fred></ senseless></fred></ xx><lol></lol></foo><bar s>INFO2.1</bar>
</ nothing><endlessSenselessTags></endlessSenselessTags><rofl>
<bar e>INFO2.2</bar></rofl>

*注：*可能有或多或少的信息和额外的无传感器标签。(6个资料来源)

通缉：

Info1.1和Info1.2以及Info2.1和Info2.2 (例如在列表中)

尝试

1.

QRegularExpression reA(".*<bar [es]>(.*)</bar>.*", QRegularExpression::DotMatchesEverythingOption);

->

INFOa</bar> </ qux> <peter></peter><bar e>INFOb
    </bar><fred></ senseless></fred></ xx><lol></lol></foo><bar s>INFOc</bar>
    </ nothing><endlessSenselessTags></endlessSenselessTags><rofl>
    <bar e>INFOd

2.

QRegularExpression reA("(.*<bar [es]>(.*)</bar>.*)*", QRegularExpression::DotMatchesEverythingOption);

->senseless

问题： Regex总是与整个字符串相关。<bar s>INFO</bar><bar s>INFO</bar>将选择第一个<bar s>和最后一个</bar>。通缉第一

对于QRegExp，似乎有一个解决方案，但我想用QRegularExpression来解决这个问题。

Answer 1

也许你可以试试这个

QRegularExpression reA("(<bar [se]>[^<]+</bar>)");

QRegularExpressionMatchIterator i = reA.globalMatch(input);
while (i.hasNext()) {
    QRegularExpressionMatch match = i.next();
    if (match.hasMatch()) {
         qDebug() << match.captured(0);
    }
}

给了我这个输出

"<bar s>INFO1.1</bar>" 
"<bar e>INFO1.2
</bar>" 
"<bar s>INFO2.1</bar>" 
"<bar e>INFO2.2</bar>"  

而这句话

QRegularExpression reA("((?<=<bar [se]>)((?!</bar>).)+(?=</bar>))",
                       QRegularExpression::DotMatchesEverythingOption);

有了这个输入

<foo><bar s>INFO1</lol>.1</bar> </ qux> <peter></peter><bar e>INFO1.2
</bar><fred></ senseless></fred></ xx><lol></lol></foo><bar s>INFO2.1</bar>
</ nothing><endlessSenselessTags></endlessSenselessTags><rofl>
<bar e>INFO2.2</bar></rofl>

作为输出给我

"INFO1</lol>.1" 
"INFO1.2
" 
"INFO2.1" 
"INFO2.2"

Answer 2

我添加了一个新的类似的答案，这是因为缺乏处理所有指定的捕获组(而不是名称)的QRegularExpression答案。我只想能够指定捕获组，只得到那些结果，而不是整个厨房水槽。当盲目抓取捕获组0时，这就成了一个问题，几乎所有的答案都是如此，对于具有多个结果的QRegularExpression来说也是如此。此答案将返回列表中所有指定的捕获组，如果未指定捕获组，则返回捕获-组0，用于整个正则表达式匹配。

我在Gist上做了这个简化的代码片段，它没有直接解决这个问题。下面的示例应用程序，如果一个差异确实解决了这个特定的问题。

#include <QCoreApplication>
#include <QRegularExpressionMatch>
#include <QStringList>
#include <iostream>
int main(int argc, char *argv[])
{
    QCoreApplication a(argc, argv);

    QStringList results;
    QRegularExpression this_regex("<bar \\w>(.*?)</bar>");
    QString test_string =   "<foo><bar s>INFO1.1</bar> </ qux> <peter></peter><bar e>INFO1.2\n\
                             </bar><fred></ senseless></fred></ xx><lol></lol></foo><bar s>INFO2.1</bar>\n\
                             </ nothing><endlessSenselessTags></endlessSenselessTags><rofl>\n\
                             <bar e>INFO2.2</bar></rofl>\n";

    if(!this_regex.isValid())
    {
        std::cerr << "Invalid regex pattern: " << this_regex.pattern().toStdString() << std::endl;
        return -2;
    }

    for (int i = 0; i < this_regex.captureCount()+1; ++i)
    {
        // This skips storing capture-group 0 if any capture-groups were actually specified.
        // If they weren't, capture-group 0 will be the only thing returned.    
        if((i!=0) || this_regex.captureCount() < 1)
        {
            QRegularExpressionMatchIterator iterator = this_regex.globalMatch(test_string);    
            while (iterator.hasNext())
            {
                QRegularExpressionMatch match = iterator.next();    
                QString matched = match.captured(i);    
                // Remove this if-check if you want to keep zero-length results
                if(matched.length() > 0){results << matched;}
            }
        }
    }

    if(results.length()==0){return -1;}

    for(int i = 0; i < results.length(); i++)
    {
        std::cout << results.at(i).toStdString() << std::endl;
    }

    return 0;
}

控制台中的输出：

 INFO1.1
 INFO2.1
 INFO2.2

对我来说，使用QRegularExpression处理正则表达式的痛苦要比std::regex的少，但它们都相当通用和健壮，需要更好的优化结果处理。我总是使用我为QRegularExpression制作的包装器来快速生成我通常想要利用的正则表达式和结果。