作者:淡月清风 日期:2009-05-26
正则表达式是最强大的文本解析工具之一，
在ATL中也提供了一些用于正则表达式的类库(CATLRegExp等)，本文将简要说明这些类库的使用方法。1.CATLRegExp类
声明：
template <class CharTraits=CAtlRECharTraits>
class CAtlRegExp;
初始化：
与微软的GRETA类库（微软研究院推出的另一个正则表达式类库）不同，CATLRegExp并没有在构造函数中提供初始化匹配字符串的方法，而是让使用者通过调用它的Parse()方法，使用正则表达式字符串作为参数，就可以构造出一个我们所需要的用于匹配的类，例如我们需要匹配一种时间格式，可以是h:mm，也可以是hh:mm，那么我们可以这样构造我们的CAtlRegExp类：
CAtlRegExp <> re;
re.Parse( "{[0-9]?[0-9]}:{[0-9][0-9]}" );
ATL的正则表达式语法和Perl的正则表达式语法大同小异，不过有一个值得注意的地方就是ATL中用大括号（{ }）表示其匹配字符串中的Group，我们上面的表达式中，就声明了2个Group，一个是[0-9]?[0-9]，另一个是[0-9][0-9]。
匹配：
调用CATLRegExp的Match()方法，就可以用该类来进行匹配了，Match方法的原型如下：
BOOL Match(const RECHAR *szIn,
CAtlREMatchContext<CharTraits> *pContext,
const RECHAR **ppszEnd=NULL)
参数的含义很明显，不过需要注意到第一个参数的型别是：const RECHAR * szIN，是一个const指针，这表明我们可以方便得使用std::string类的c_str()方法给其传递参数。
Match的结果通过第二个参数pContext所指向的CAtlREMatchContext < > 类来返回，Match的结果及其相关信息都被存放在CAtlREMatchContext类中，我们只要访问CAtlREMatchContext的方法和成员就可以得到匹配的结果。
2.CAtlREMatchContext类
声明：
template <class CharTraits=CAtlRECharTraits>
class CAtlREMatchContext
使用：
CAtlREMatchContext通过m_uNumGroups成员以及GetMatch（）方法向调用者提供匹配的结果信息。m_uNumGroups代表匹配上的Group有多少组，GetMatch()则根据传递给它的Group的Index值，返回匹配上的字符串的pStart和pEnd指针，调用者有了这两个指针，自然可以很方便的得到匹配结果。
3.一个小示例
下面这个例子来源于MSDN，演示了CATLRegExp和CAtlREMatchContext类的典型使用方法：
#include "stdafx.h"
#include <atlrx.h>
int main(int argc, char* argv[])
{
CAtlRegExp<> reUrl;
// five match groups: scheme, authority, path, query, fragment
REParseError status = reUrl.Parse(
"({[^:/?#]+}:)?(//{[^/?#]*})?{[^?#]*}(?{[^#]*})?(#{.*})?" );
if (REPARSE_ERROR_OK != status)
{
// Unexpected error.
return 0;
}
CAtlREMatchContext<> mcUrl;
if (!reUrl.Match(
"http://search.microsoft.com/us/Search.asp?qu=atl&boolean=ALL#results",
&mcUrl))
{
// Unexpected error.
return 0;
}
for (UINT nGroupIndex = 0; nGroupIndex < mcUrl.m_uNumGroups;
++nGroupIndex)
{
const CAtlREMatchContext<>::RECHAR* szStart = 0;
const CAtlREMatchContext<>::RECHAR* szEnd = 0;
mcUrl.GetMatch(nGroupIndex, &szStart, &szEnd);
ptrdiff_t nLength = szEnd - szStart;
printf("%d: /"%.*s/"/n", nGroupIndex, nLength, szStart);
}
}
输出:
0: "http"
1: "search.microsoft.com"
2: "/us/Search.asp"
3: "qu=atl&boolean=ALL"
4: "results"
例子中所用的正则表达式为：
({[^:/?#]+}:)?(//{[^/?#]*})?{[^?#]*}(?{[^#]*})?(#{.*})? 以()为分界标志，共分成5组，第一组是{[^:/?#]+}:，^是“非”后面成员的意思，那么也就是说第一组从开头开始，一直到:、/、?、#其中任何一个结束。联系后面的待匹配字符串就可以得出所匹配的结果是http。
4.自定义匹配字符串的缩写形式
为了方便，ATL已经帮我们定义了一些经常用到的正则表达式的简略形式。例如：/d代表([0-9])、/n代表(/r|(/r?/n))等。这些缩写形式都体现在CAtlRECharTraitsA/CAtlRECharTraitsW等类中，把这些类作为模板参数传递给CATLRegExp和CAtlREMatchContext，我们就可以定义自己的匹配字符串缩写了。
class CAtlRECharTraitsA
{
static const RECHARTYPE** GetAbbrevs()
{
static const RECHARTYPE *s_szAbbrevs[] =
{
"a([a-zA-Z0-9])", // alpha numeric
"b([ //t])", // white space (blank)
"c([a-zA-Z])", // alpha
"d([0-9])", // digit
"h([0-9a-fA-F])", // hex digit
"n(/r|(/r?/n))", // newline
"q(/"[^/"]*/")|(/'[^/']*/')", // quoted string
"w([a-zA-Z]+)", // simple word
"z([0-9]+)", // integer
NULL
};
return s_szAbbrevs;
}
};
以上是atlrx.h摘录下来的代码，可以很清楚地看到ATL是通过一个GetAbbrevs()函数来定义字符串缩写的。要定义新的缩写形式，我们只需要这样：
Class MyRegTraits : public ATL::CAtlRECharTraitsA
{
public:
static const RECHARTYPE** GetAbbrevs()
{
static const RECHARTYPE *s_szAbbrevs[] =
{
"a([a-zA-Z0-9])", // alpha numeric
"b([ //t])", // white space (blank)
"c([a-zA-Z])", // alpha
"d([0-9])", // digit
"h([0-9a-fA-F])", // hex digit
"n(/r|(/r?/n))", // newline
"q(/"[^/"]*/")|(/'[^/']*/')", // quoted string
"w([a-zA-Z]+)", // simple word
"z([0-9]+)", // integer
"e([0-8]+)", //自己添加
NULL
};
return s_szAbbrevs;
}
};
让我们自己定义的Trait类继承自CAtlRECharTraitsA，然后改写GetAbbrevs()函数，增加一些需要的简写就可以被使用了。下面的代码示例了使用了我们自己的类中定义的“/e”简略表达：
int main ( )
{
ATL::CAtlRegExp < MyRegTraits > re ;
re.Parse( "//e+" );
ATL::CAtlREMatchContext < MyRegTraits > mc;
BOOL res1 = re.Match( "678", &mc ); // returns TRUE: successful match
res1 = re.Match ( "999" , &mc ) ; // returns FALSE：match fail
}
只要在构造ATL::CAtlRegExp和 ATL::CAtlREMatchContext类时，传递过去我们的MyRegTraits类作为Traits的参数，就可以直接使用自己定义的简略符号了。
5.CAtlRegExp对中文的支持
在CAtlRegExp中，默认使用CAtlRECharTraits，实际上是CAtlRECharTraitsA
要支持ANSI模式下的中文，必须使用CAtlRECharTraitsMB，见如下代码：
注意要包含#include <atlrx.h>。
要支持ANSI模式下的中文，必须使用CAtlRECharTraitsMB，见如下代码：
注意要包含#include <atlrx.h>。
char* szText="测试一下地址dgx_lsyd3@163.com看看/r/n";
//匹配电子邮件地址的正则表达式
char* szRegExpEmail="({[a-zA-Z0-9_/.]+@[a-zA-Z0-9]+[/.][a-zA-Z0-9]+[/.]?[a-zA-Z0-9]+})";
CAtlRegExp<CAtlRECharTraitsMB> reEmail;
REParseError reError=reEmail.Parse((const ATL::CAtlRegExp<CAtlRECharTraitsMB>::RECHAR *)szRegExpEmail);
if (REPARSE_ERROR_OK != reError)
return;
CAtlREMatchContext<CAtlRECharTraitsMB> mcEmail;
if (!reEmail.Match((const ATL::CAtlRegExp<CAtlRECharTraitsMB>::RECHAR *)szText,&mcEmail))
{
return;
}
char szBuf[260];
for (UINT nGroupIndex = 0; nGroupIndex < mcEmail.m_uNumGroups;++nGroupIndex)
{
const CAtlREMatchContext<CAtlRECharTraitsMB>::RECHAR* szStart = 0;
const CAtlREMatchContext<CAtlRECharTraitsMB>::RECHAR* szEnd = 0;
mcEmail.GetMatch(nGroupIndex, &szStart, &szEnd);
memcpy(szBuf,szStart,szEnd-szStart);
szBuf[szEnd-szStart]=0;
printf("%s/n",szBuf);
}
输出：
dgx_lsyd3@163.com
dgx_lsyd3@163.com
6.结尾
虽然现在C++的社区里已经拥有了Boost::regex，GRETA等非常著名的正则表达式库，可是作为VC++自带的模板库，ATL中的正则表达式库仍然给我们的工作提供了极大的便利。由于ATL是微软官方发布的Library，所以它拥有良好的文档说明、严格的测试以及微软官方的技术支持。另外在用ATL开发COM组件的时候，更可以方便地利用正则库的巨大威力。
原文：
1.http://blog.donews.com/crackme/archive/2006/04/26/847531.aspx
2.http://www.vckbase.com/document/viewdoc/?id=1256
在MSDN中：ms-help://MS.MSDNQTR.2003FEB.2052/vclib/html/vclrfCAtlRegExp.htm
其他参考：http://www.codeproject.com/KB/string/mfcregex.aspx?df=100&forumid=276265&exp=0&select=1541164