基于NFA的正则表达式引擎

usage:

---

std::string regular_expression = u8"regular[123]";  
// 作为正则表达式的字符串用 utf8 编码 std::string 来表示, 支持中文, 引擎内部统一使用
// ucs2（即utf16) 来储存

auto pattern  = rgx::complie (regular_expression);
// compile 返回一个编译后的正则表达式, compile 的返回类型为 std::unique_ptr<_pattern>

auto matchobj = pattern->match(u8"input", startposition);
// 使用编译之后的 _pattern 来匹配输入串，同理输入串使用utf8编码的 std::string 来表示
// 使用match方法将返回 std::unique_ptr<matchObj>

cout << ucs2_to_string(matchobj.group(0)) << endl;
// 使用 matchObj 的 group() 方法来获取捕获的分组，0 号分组表示整个捕获到的字符串，
// group 方法返回utf16的 std::u16string, 可以用 usc2_to_string 来转换为等价的string

详细语法说明:

字符类

• .
  匹配除\n之外的任意字符
• \
  转义字符
• [...]
  字符集，可逐个列出，可用'-'表示范围，第一个字符如果为'^'表示取反，字符集中除非第一个字符的'-',开头的 '^',和']'之外，其他特殊字符均失去其特殊意义
• \d
  字符类，匹配数字
• \D
  字符类，匹配非数字
• \s
  字符类，匹配空白字符
• \S
  字符类，匹配非空白字符
• \w
  字符类，匹配字母或数字
• \W
  字符类，匹配非字母及非数字

重复

• *
  表示循环 0 至无限多次
• +
  表示循环 1 至无限多次
• ?
  表示循环 0 次或 1 次
• {m}
  表示循环m次
• {m, n}
  表示循环 m 至 n 次
• *?, +? {m, n}?, ??
  表示非贪婪重复，默认为贪婪

位置字符

• ^
  匹配字符串的开头，在多行模式中匹配某一行的开头
• $
  匹配字符串结尾, 多行模式中匹配某一行的结尾
• \A
  仅匹配字符串开头
• \Z 仅匹配字符串的结尾

捕获

注：捕获只能捕获最后一次匹配时遇见的字符，如用'abcfg' 来匹配表达式 '(a|b|c)*fg'，分组 1 捕获到的内容只有'c'， 而不是'abc'， 同理，引用也只能引用最近一次的捕获内容

• |
  表示或
• (?:expr)
  对expr分组但是不捕获，用于 '|' 以及循环
• (expr)
  匿名捕获, 分组并且捕获括号中的内容(expr)，分组编号从0 开始，第 0 组表示整个匹配到的字符串
• (?P)
  具名捕获，捕获并为分组设定别名name
• \number
  匿名引用，引用分组为number的捕获内容，number不能为0
• (?P=name)
  具名引用, 引用别名为name 的分组

预查

注：用于预查的表达式的语法使用纯正则表达式的语法，不再支持任何扩展，如引用,捕获等扩展

• (?=expr)
  正向预查，之后的字符必须符合括号中的表达式，
• (?!expr)
  正向预查，之后的字符必须不符合括号中的表达式才能匹配成功
• (?<=expr)
  逆向预查，之前的字符必须符合括号中的表达式才能匹配成功
• (?<!expr)
  逆向预查, 之后的字符必须不符合括号中的表达式才能匹配成功