java思維

          正在學習中:(

          2008年12月7日 #

          bcb6 中安裝 boost

          正則表達式是一種模式匹配形式,它通常用在處理的文本程序中。比如我們經常使用的grep工具,還是perl語言都使用了正則表達式。傳統的C++處理正則表達式是非常麻煩的,這也成為很多其他語言愛好者的笑柄,現在情況不一樣了,因為有了boost。
          Boost是一個基于Template的開發源代碼庫,在這個庫中有很多子庫用來高效處理各方面的問題,比如字符串拆分,格式化,線程等等,Boost對于每一個C++愛好者都是應該了解的,對于C++ Builder用戶如果能在熟練使用VCL的情況下再熟練使用Boost,我想一定如虎添翼。
          一般來說,使用Boost是非常簡單,和使用其他STL庫沒有太大區別,但使用Boost的正則表達式庫則不那么容易,因為這個庫還需要我們單獨編譯,下面我將詳細介紹如何使用。
          如果你還不知道或者還沒有Boost的話,你可以去www.boost.org下載最新版本,作者使用的是1.30版本。將下載下來的zip包[1]解壓到任何你喜歡的目錄,比如D:\boost。
          編譯正則表達式庫
          前面已經提到,這個庫需要我們單獨編譯才能使用,為什么不編譯好一起發布呢?主要是考慮到不同的編譯器需要不同的鏈接庫文件和鏈接庫太大了。在命令行下,進入[%Boost]\Libs\RegEx\Build目錄,直接敲入make –fbcb6.mak命令開始編譯,這里請大家注意了,如果你的計算機上同時安裝了BCB5,請一定要把path設置成為BCB6的bcc32.exe程序所在的目錄,否則可能使用BCB5的make程序,這樣雖然能編譯但最后不能使用。
          編譯過程相當耗時,你需要耐心等待,最終編譯完成,會在[%Boost]\Libs\RegEx\Build目錄生成一個BCB6目錄,在這個目錄生成了很多lib文件和dll文件,把所有dll文件復制到windows系統目錄,所以lib文件復制到bcb6\lib目錄。如果你不想這么麻煩的復制文件,可以在編譯時加入install參數,就像這樣make –fBcb6.mak install,不過作者還是比較喜歡前一種方式,這樣我可以知道到底生成了什么文件。現在編譯已經完成了,你可以體現boost的神奇魅力了。
          #include<deque>
          #include<iostream>
          #include<algorithm>
          #include<boost/regex.hpp>
          int main()
          {
          using namespace boost;
          using namespace std;
          regex expression("\\s+href\\s*=\\s*\"([^\"]*)\"",regbase::normal|regbase::icase);
          string s="<a href=\"index.html\"><img src=\"logo.gif\"></a>";
          deque<string> result;
          regex_split(std::back_inserter(result),s,expression);
          copy(result.begin(),result.end(),ostream_iterator<string>(cout,"\n"));
          int c;
          cin>>c;
          return 0;
          }
          設置BCB6 Project屬性的Lib Path和Include Path為你安裝boost的目錄,運行你會看到結果:
          index.html
          可以看到index.html已經從字符串中提出出來了,那么為什么會是這樣呢?
          代碼的核心部分是:
          regex expression("\\s+href\\s*=\\s*\"([^\"]*)\"",regbase::normal|regbase::icase);
          它用來設置如何匹配字符串,上面亂七八糟的字符串很難看懂,如果不了解正則表達式的書寫規則,上
          面代碼可以和天書媲美。
          regbase::normal|regbase::icase 是解析參數設置,具體可以參考boost幫助文檔。
          正則表達式的書寫規則
          具體的書寫規則,大家可以參看boost的文檔,我這里做一下簡要說明:
          . (dot)
          用來匹配任何一個字符,但不包括新行上的字符
          *
          閉包,任意有限次的自重復連接
          +
          有限次自重復連接,但至少出現一次
          {}
          指定可能的重復次數
          例如:
          ba* 匹配 b ba baa baaa等
          ba+ 匹配 ba baa baaaaaaaaa等
          ba{1,5} 匹配 ba baa baaa baaaa baaaaa
          \
          轉義字符,有很多用途,根據參數設置而變化,最常見的就是類似于c語言\的用法
          \s
          匹配空格
          \w
          匹配一個單詞
          \d
          匹配數字
          ()
          有兩種用法:
          1是合并的作用,例如(ab)*匹配ab abab ababab等
          2是確定匹配,也就是說在()中的字符將被最終拆解出來
          根據上面這張表,我們可以很容易知道前面的那段天書如何解釋。
          一個實際的例子
          前一段時間在CSDN上有一篇帖子,問題是有一種文件結構如(類似):
          @People{
          Age=19
          Speek=”Hay,{name},how are you”
          }
          問如何拆分字符串得到@后面的名字,=兩邊的屬性名和屬性值,引號里{}種的名字。
          解決這個問題用正則表達式再合適不過了。
          根據分析,我們可以這樣構造匹配規則:
          "@(.*?)\s*\\{" 匹配@開始的字符創,后面兩種類型如何構造匹配規則留給大家思考吧。
          這樣我們可以輕易拆解這個例子。

          性能分析
          通過上面的討論,大家已經了解到boost的強大威力,那個性能又如何呢?為此我們再實際來拆分一個
          復雜的html代碼,看看到底需要花費多少時間。
          為了節省篇幅,這里就不列出html代碼了,不過可以告訴大家,這是一個又Word生成的大小為186K
          的html文件,這個文件中用到了很多<table>標簽,所以我這里測試就來拆分所有<table>標簽的
          width屬性。測試代碼如下:
          #include<deque>
          #include<iostream>
          #include<algorithm>
          #include<boost/regex.hpp>
          #include<vcl.h>
          int main()
          {
           using namespace boost;
           using namespace std;
           TStringList* html=new TStringList();
           html->LoadFromFile("D:\\1.htm");
           regex expression("\\s+width=([^\"]*)\s+",regbase::normal|regbase::icase);
          DWORD start=GetTickCount();
           for(int n=0;n<html->Count;n++)
           {
              string s=html->Strings[n].c_str(); 
              deque<string> result;
              regex_split(std::back_inserter(result),s,expression);
          copy(result.begin(),result.end(),ostream_iterator<string>(cout,"\n"));
          result.clear();
          }
           start=GetTickCount()-start;
           delete html;
           cout<<start;
          int c;
           cin>>c;
           return 0;
          }
          輸出結果為671毫秒,拆分得到1072個width屬性值,我們可以看到boost的效率是非常高的,雖然與一些角本語言比起來解析速度還是慢,但已經可以滿足大多數編程要求了。另外作者的計算機配置并不是非常高,相信拿到現在任何一臺主流配置的計算機上都會優于作者的結果。
          結束語

          其實上面的強大威力只是boost的冰山一角,如果你不自己去體會,你很難想象到boost的強大威力。在boost里還有很多使用的庫,比如格式化輸出,字符串拆解,類型轉換等,這些庫使用起來也比較方便,大家可以自行參考boost文檔。在這些庫中還有兩個庫需要自行編譯,他們是Python和thread庫,而且這些庫的編譯需要專門的工具Jam,所以我們在編譯這些庫的時候還要編譯jam工具,而編譯jam工具也不是一件快樂的事情,麻煩同樣出現在如果你安裝了多個編譯器,如果讀者有興趣可以自己試一下。
          不過BCB6并不支持全部boost庫,從boost提供的編譯器支持表可以看到[2],BCB6還是有相當多的庫不支持的,支持最好的是gcc/g++的編譯器,但也不是全部支持。希望borland下一個將要發布的C++編譯器可以支持更多C++標準。
          [1] 其實還有其他類型的包,但在windows系統下,你最好下載zip包
          [2] Boost提供的編譯器支持表是針對BCB5的,對于BCB6的支持作者并沒有詳細測試,如果讀者有興趣可以自己測試boost附帶的測試代碼。

          posted @ 2008-12-07 21:22 john 閱讀(877) | 評論 (0)編輯 收藏

          主站蜘蛛池模板: 江西省| 高唐县| 昌江| 沅江市| 深泽县| 唐海县| 南丰县| 宁化县| 新安县| 民勤县| 桐乡市| 新郑市| 亳州市| 东台市| 彰武县| 潜山县| 临湘市| 喀喇沁旗| 永年县| 鹤岗市| 庆安县| 城市| 长宁县| 寿光市| 拉孜县| 仪征市| 济阳县| 临汾市| 忻城县| 民权县| 荥经县| 龙南县| 麦盖提县| 清镇市| 阿城市| 讷河市| 张北县| 新兴县| 珲春市| 蕉岭县| 保山市|