如何在 C++ 正则表达式中使用 Unicode 范围

我必须在 C++ 的正则表达式中使用 unicode 范围。基本上我需要的是有一个正则表达式来接受所有有效的 unicode 字符..我只是尝试使用测试表达式并面临一些问题。

std::regex reg("^[\\u0080-\\uDB7Fa-z0-9!#$%&'*+/=?^_`{|}~-]+$");

问题是与\\u?

这应该可以正常工作，但你需要使用std::wregex and std::wsmatch。您需要将源字符串和正则表达式转换为wide字符 unicode（Linux 上为 UTF-32，Windows 上为 UTF-16(ish)）以使其正常工作。

这对我有用，源文本在UTF-8:

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 = "john.doe@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';
    }
}

Output:

神谕

Note:如果您需要一个UTF我使用的转换库THIS ONE https://sourceforge.net/projects/utfcpp/在上面的例子中。

Edit:或者，您可以使用此答案中给出的功能：

C++ 字符串代码点和代码单元有什么好的解决方案吗？ https://stackoverflow.com/questions/43302279/any-good-solutions-for-c-string-code-point-and-code-unit/43302460#43302460