C++17 STL Стандартная библиотека шаблонов

    "([^<]*)"};

7. Класс sregex_token_iterator выглядит точно так же, как и класс istream_iterator. Мы передадим ему целую строку, представляющую собой итерабельный диапазон данных, и определенное нами регулярное выражение. Третий параметр {1,2} — это список инициализаторов целочисленных значений. Он определяет, что мы хотим итерировать по группам 1 и 2 из полученных им выражений:

  sregex_token_iterator it {

    begin(in), end(in), link_re, {1, 2}};

8. Теперь у нас есть итератор, который будет возвращать все найденные ссылки и их описания. Мы предоставим его и итератор того же типа, созданный по умолчанию, функции print, реализованной нами ранее:

  print(it, {});

}

9. Компиляция и запуск программы дадут следующий результат. Я запустил программу curl для домашней страницы ISO C++, которая просто загружает HTML-страницу из Интернета. Конечно, я мог и написать cat some_html_file.html | ./link_extraction. Использованное нами регулярное выражение довольно жестко определяет представление о том, как должны выглядеть ссылки в документе HTML. В качестве самостоятельной работы можете сделать его более обобщенным.

$ curl -s "https://isocpp.org/blog" | ./link_extraction

Sign In / Suggest an Article : https://isocpp.org/member/login

Register                     : https://isocpp.org/member/register

Get Started!                 : https://isocpp.org/get-started

Tour                         : https://isocpp.org/tour

C++ Super-FAQ                : https://isocpp.org/faq

Blog                         : https://isocpp.org/blog

Forums                       : https://isocpp.org/forums

Standardization              : https://isocpp.org/std

About                        : https://isocpp.org/about

Current ISO C++ status       : https://isocpp.org/std/status

 (...и многие другие...)

Как это работает

Регулярные выражения (или коротко regex) очень полезны. Они могут казаться очень сложными, но вам стоит изучить принципы их работы. Короткое регулярное выражение может избавить от необходимости писать множество строк кода, что пришлось бы сделать при выполнении проверки на соответствие вручную.

В данном примере мы сначала создали объект типа регулярных выражений. Мы передали его конструктору строку, которая описывает регулярное выражение. Самое простое регулярное выражение выглядит как ".", оно соответствует любому символу, поскольку точка — это специальный символ для регулярного выражения. Выражение "a" соответствует только символам 'a'. Выражение "ab*" означает «один символ а, а затем ноль или больше символов b» и т.д. Регулярные выражения — довольно обширная тема, более подробную информацию можно найти в «Википедии» и на других сайтах и в литературе.

Еще раз взглянем на регулярное выражение, соответствующее нашему представлению о ссылках HTML. Простая ссылка HTML может выглядеть как A great link. Нужно получить часть some_url.com/foo, а также A great link. Мы создали следующее регулярное выражение, которое содержит группы для соответствия подстрокам (рис. 7.2).

Полное совпадение всегда является группой 0. В данном случае это будет вся строка . Заключенная в кавычки часть href, которая содержит URL, — это группа 1. Скобки в регулярном выражении определяют такие группы. Их у нас две. Еще одна группа — фрагмент текста между тегами и , содержащий описание ссылки.

Существует множество функций STL, которые принимают объекты регулярных выражений. Однако мы непосредственно использовали адаптер для итератора, работающего с токенами регулярного выражения. Он представляет собой высокоуровневую абстракцию, применяющую std::regex_search, чтобы автоматизировать работу по поиску совпадений. Мы создали его экземпляр следующим образом:

sregex_token_iterator it {begin(in), end(in), link_re, {1, 2}};