由于最近的项目中用到了正则表达式，正好也遇到了一个面试题，题中也有对正则表达式就行考察，所以简单学习一下Regular Expression，然后以一道笔试题的实现来作为练习。

首先可以熟悉一下正则表达式的概念：http://baike.baidu.com/view/94238.htm

下面是某个IT公司的笔试题：

Please write a program to complete the following task (C++/Perl/Python/Shell allowed):

Read several lines of text from STDIN,and

1)filter out all the email addresses from the input text;

2)print a statistic table of how many times each email server is used.

Example:

Input:

CEO of NVIDIA: jenhsun.huang@nvidia.com (the address if fake :)

Some of my favorite writers (they are all fake :)

scott.meyers@brown.edu

herb_sutter@dev.microsoft.com

ericgamma@google.com - known as GoF

jcarmack@idsoftware.com

mark_kilgard@nvidia.com

andrew.rubin@google.com

NVIDIA recruiting team: hr@nvidia.com

Output:

1)

jenhsun.huang@nvidia.com

scott.meyers@brown.edu

herb_sutter@dev.microsoft.com

ericgamma@google.com

jcarmack@idsoftware.com

mark_kilgard@nvidia.com

andrew.rubin@google.com

hr@nvidia.com

2)

nvidia.com: 3

google.com: 2

brown.edu: 1

dev.microsoft.com: 1

idsoftware.com 1

程序流程：

1)将文本文件标准读入。

2)对于输入的字符串判断是不是和正则表达式匹配（Email的正则表达式），如果匹配进入3)，否则2)。

3)将匹配的字符串（说明是Email）的"@"字符之后的子串提取出来，然后用map存储子串。

4)统计相同子串出现的次数，按照次数进行排序。

5)将map中的<key,value>对输出到文件中。

Java中的正则表达式判断：

Java中的正则表达式判断很简单，假设目标串为target，正则表达式模式串为pattern，那么判断二者匹配的方法为：target.match(pattern)，如果返回真则表示匹配成功。

C中的正则表达式的判断：

C中的正则表达式的判断则相对复杂，首先要将正则表达式模式串pattern编译成为一个结构体compiled，然后将目标串target与compiled进行匹配。主要的两个函数为：

int regcomp(regex_t *compiled,const char *pattern,int cflags)
功能:将要进行匹配的正则表达式pattern进行编译，做匹配前的准备工作
int regexec(const regex_t *compiled,const char *target,size_t nmatch,regmatch_t pmatch[],int eflags)
功能:用来检测字符串target是否匹配正则表达式compiled

那么，现在就根据那道题目将代码附上(其中regular_expression.txt文件就是题目中input的内容)：

Java实现：

package String;

import java.io.File;
import java.io.FileNotFoundException;
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Scanner;
import java.util.Set;
import java.util.Map.Entry;

public class Regex {
	
	private static class ValueComparator implements Comparator<Map.Entry<String,Integer>>{
		@Override
		public int compare(Map.Entry<String,Integer> m,Map.Entry<String,Integer> n) {
			
			return n.getValue()-m.getValue();
		}	
	}
	
	public static void main(String [] args) throws FileNotFoundException{

		//6~18个字符，可使用字母、数字、下划线，需以字母开头
		String pattern = "^[a-zA-Z][\\d\\w\\.]{1,17}@[\\d\\w\\.]{1,}";  //定义模式串pattern
		
		File file = new File("regular_expression.txt");
		Scanner input = new Scanner(file);
		HashMap map = new HashMap<String,Integer>();
		int val;
		while(input.hasNext()){           //依次读入文件中的字符串
			String s = input.next();
			s.trim();
			if(s.matches(pattern)){   //如果是匹配则说明是email
				System.out.println(s);
				s = s.substring(s.lastIndexOf('@')+1);  //提取"@"字符后面的子串
				if(map.get(s)==null){
					map.put(s,1);
				}else{
					val = (Integer)map.get(s)+1;
					map.put(s,val);
				}
			}
		}
		
		ArrayList<Map.Entry<String,Integer>> list = new ArrayList<Map.Entry<String,Integer>>(map.entrySet());

		Regex.ValueComparator vc = new ValueComparator();
		
		Collections.sort(list,vc);   //按照value值进行排序

		Iterator listItr = list.iterator();  //迭代输出结果
		while(listItr.hasNext()){
			Map.Entry<String,Integer> entry = (Map.Entry<String,Integer>) listItr.next();
			System.out.println(entry.getKey()+" : "+entry.getValue());
		}
	}
}

C/C++实现：

#include<iostream>
#include<stdio.h>
#include<regex.h>
#include<string.h>
#include<fstream>
#include<map>
#include<vector>
#include<algorithm>

using namespace std;

int cflags = REG_EXTENDED,valid,i;
regex_t compiled;
const char *pattern = "[\\d\\w\\.\\_]*+@+[\\d\\w\\.]*";  //定义模式串pattern
char *target = new char[100];
ifstream fin;
ofstream fout;
map<string,int>  map_regex;
typedef pair<string,int> PAIR;

struct CmpByValue
{
	bool operator()(const PAIR& lhs,const PAIR& rhs)
	{
		return lhs.second > rhs.second;
	}
};

void OutputResults()
{ 
	vector<PAIR> vector_regex(map_regex.begin(),map_regex.end());//将map_regex中的内容转存到vector_regex中去。
	sort(vector_regex.begin(),vector_regex.end(),CmpByValue());//根据比较函数进行排序 
	for(int i=0;i<vector_regex.size();i++)
	{
		fout<<vector_regex[i].first<<" : "<<vector_regex[i].second<<endl;
	}
}

void RegexMatch(char * target)
{
	regcomp(&compiled,pattern,cflags);
	valid = regexec(&compiled,target,NULL,0);
	if(valid == REG_NOMATCH)
	{
		//cout<<"no match"<<endl;
	}
	else if(valid == 0)
	{
		cout<<target<<" matches "<<pattern<<endl;
		
		string::size_type pos;
		string target_str(target);
		string sub_str;
		pos = target_str.find("@");
		sub_str = target_str.substr(pos+1,target_str.length()-pos-1);//提取子串 

        //统计子串出现的频率 
		if(map_regex[sub_str]==0)	
		{
			map_regex[sub_str]=1;
		}
		else
		{
			map_regex[sub_str]++;
		}
	}
	regfree(&compiled);
}

int main(int argc,char ** argv)
{
	fin.open("regular_expression.txt");
	if(!fin)
	{
		cout<<"open the file failure"<<endl;
		return 0;
	}
	fout.open("result.txt");

	while(fin>>target)
	{
		RegexMatch(target);
	}	
	OutputResults();
	fin.close();
	fout.close();
	return 0;
}

屏幕打印信息：

输出文件result.txt:

jenhsun.huang@nvidia.com
scott.meyers@brown.edu
herb_sutter@dev.microsoft.com
ericgamma@google.com
jcarmack@idsoftware.com
mark_kilgard@nvidia.com
andrew.rubin@google.com
hr@nvidia.com
nvidia.com : 3
google.com : 2
brown.edu : 1
dev.microsoft.com : 1
idsoftware.com : 1

参考：

转载注明出处：http://www.jb51.cc/article/p-udyrqdln-mp.html