Biểu thức chính quy (std::regex)

Biểu thức chính quy (regular expression - regex) là một cách mô tả mẫu (pattern) để tìm kiếm, kiểm tra, hoặc thay thế văn bản. C++ hỗ trợ regex thông qua thư viện chuẩn <regex> (từ C++11).

Kiểm tra chuỗi khớp mẫu với std::regex_match

#include <regex>
#include <iostream>
#include <string>

int main() {
    std::string email = "[email protected]";
    std::regex pattern(R"(\w+@\w+\.\w+)"); // R"(...)" là raw string, tránh phải escape dấu \

    if (std::regex_match(email, pattern)) {
        std::cout << "Email hop le" << std::endl;
    } else {
        std::cout << "Email khong hop le" << std::endl;
    }

    return 0;
}

std::regex_match kiểm tra xem toàn bộ chuỗi có khớp hoàn toàn với mẫu hay không.

Tìm kiếm mẫu bên trong chuỗi với std::regex_search

#include <regex>
#include <iostream>
#include <string>

int main() {
    std::string text = "Lien he: 0912345678 hoac email [email protected]";
    std::regex phone_pattern(R"(\d{10})"); // Tìm dãy đúng 10 chữ số

    std::smatch match; // Lưu kết quả khớp
    if (std::regex_search(text, match, phone_pattern)) {
        std::cout << "Tim thay so dien thoai: " << match.str() << std::endl;
    }

    return 0;
}

Khác với regex_match, regex_search chỉ cần tìm thấy mẫu ở đâu đó trong chuỗi, không yêu cầu khớp toàn bộ.

Tìm tất cả các kết quả khớp

#include <regex>
#include <iostream>
#include <string>

int main() {
    std::string text = "So dien thoai: 0912345678, 0987654321";
    std::regex pattern(R"(\d{10})");

    auto begin = std::sregex_iterator(text.begin(), text.end(), pattern);
    auto end = std::sregex_iterator();

    for (auto it = begin; it != end; ++it) {
        std::cout << it->str() << std::endl;
    }
    // 0912345678
    // 0987654321

    return 0;
}

Thay thế văn bản với std::regex_replace

#include <regex>
#include <iostream>
#include <string>

int main() {
    std::string text = "Ngay hom nay la 2024-01-15";
    std::regex date_pattern(R"((\d{4})-(\d{2})-(\d{2}))");

    // $1, $2, $3 tham chiếu đến các nhóm bắt (capture group) trong ngoặc đơn
    std::string result = std::regex_replace(text, date_pattern, "$3/$2/$1");

    std::cout << result << std::endl; // Ngay hom nay la 15/01/2024

    return 0;
}

Một số ký hiệu regex thường dùng

Ký hiệu	Ý nghĩa
\d	Một chữ số (0-9)
\w	Một ký tự chữ, số, hoặc gạch dưới
\s	Khoảng trắng
.	Bất kỳ ký tự nào
+	Một hoặc nhiều lần
*	Không hoặc nhiều lần
?	Không hoặc một lần
{n}	Đúng n lần
()	Nhóm bắt (capture group)

Vì sao dùng raw string R"(...)" với regex?

Regex thường dùng nhiều dấu \ (ví dụ \d, \w), mà trong chuỗi C++ thông thường, \ cần được escape thành \\. Raw string R"(...)" (C++11) cho phép viết dấu \ trực tiếp mà không cần escape, giúp mẫu regex dễ đọc hơn nhiều:

std::regex normal("\\d{3}-\\d{4}");  // Chuỗi thường - phải escape mỗi \
std::regex raw(R"(\d{3}-\d{4})");     // Raw string - viết trực tiếp, dễ đọc hơn

Tổng kết

• <regex> cung cấp công cụ xử lý biểu thức chính quy trong C++, từ C++11
• regex_match: kiểm tra toàn bộ chuỗi có khớp mẫu; regex_search: tìm mẫu ở bất kỳ đâu trong chuỗi
• regex_replace: thay thế các phần khớp mẫu bằng nội dung khác, có thể dùng $1, $2… để tham chiếu đến nhóm bắt
• Nên dùng raw string R"(...)" khi viết mẫu regex để tránh phải escape dấu \ liên tục