C++の正規表現でユニコードの範囲を使用する必要があります。基本的に私が必要とするのは、すべての有効なUnicode文字を受け入れる正規表現を持つことです。私はテスト式を試してみて、いくつかの問題に直面しています。C++の正規表現でUnicodeの範囲を使用する方法
std::regex reg("^[\\u0080-\\uDB7Fa-z0-9!#$%&'*+/=?^_`{|}~-]+$");
問題が\\uでありますか？
これは正常に機能しますが、std::wregexとstd::wsmatchを使用する必要があります。ソース文字列と正規表現をワイド文字ユニコード（LinuxではUTF-32、WindowsではUTF-16（ish））に変換する必要があります。ソーステキストがUTF-8です
これが私の作品：
inline std::wstring from_utf8(const std::string& utf8)
{
// code to convert from utf8 to utf32/utf16
}
inline std::string to_utf8(const std::wstring& ws)
{
// code to convert from utf32/utf16 to utf8
}
int main()
{
std::string test = "[email protected]神谕.com"; // utf8
std::string expr = "[\\u0080-\\uDB7F]+"; // utf8
std::wstring wtest = from_utf8(test);
std::wstring wexpr = from_utf8(expr);
std::wregex we(wexpr);
std::wsmatch wm;
if(std::regex_search(wtest, wm, we))
{
std::cout << to_utf8(wm.str(0)) << '\n';
}
}
出力：
神谕
注：あなたは私がTHIS ONEを使用UTF変換ライブラリが必要な場合上記の例。
編集：それとも、あなたがこの回答に与えられた機能を使用することができます。
偉大な答え、ありがとう！ '[\\ u0080 - \ uDB7F] +'の範囲は何をカバーしていますか？ 'A-Z'？その中で、 '[a-zA-Z0-9]'の正規表現は何でしょうか？ – SexyBeast
@SexyBeast私はOPの質問からその範囲をコピーしました。しかし、あなたはそれがここでカバーしているものを見ることができます：http://www.idevelopment.info/data/Programming/character_encodings/PROGRAMMING_character_encodings.shtmlまた、あなたが書いたものは、正規表現で正常に動作するはずです。 – Galik
削除 '\\ u0080 - \\ uDB7F'と' 124'に一致するようにしてみてください。一致すれば、問題は '\\ u0080 - \ uDB7F'です。 –
問題はC++で使用可能なUnicodeサポートがないことです。 ICUのようなものを使用してください。 –
またはブーストも良い選択肢です。 BTW、[これをチェックしてください]（http://en.cppreference.com/w/cpp/regex/ecmascript）：* UnicodeEscapeSequence *は、文字 'u'にちょうど4つの* HexDigits *が続きます。この文字エスケープは、コード単位がこの4桁の16進数の数値と等しい文字に一致します。値がこの 'std :: basic_regex'の* CharT *に収まらない場合、' std :: regex_error'がスローされます（C++のみ）。 –