如何在C++中获取给定的捕获组<regex>？

Question

我希望您能提取标签的内部内容。从以下字符串：

<tag1 val=123>Hello</tag1>

我只想获取。

Hello

我的工作内容：

string s = "<tag1 val=123>Hello</tag1>";
regex re("<tag1.*>(.*)</tag1>");
smatch matches;
bool b = regex_match(s, matches, re);

但它返回了两个匹配项：

<tag1 val=123>Hello</tag1>
Hello

当我尝试像这样获取仅第一个捕获组时：

"<tag1.*>(.*)</tag1>\1"

我没有得到任何匹配结果。 请给予建议。

- Artem

---

你只会得到一个包含两个子匹配项的匹配结果：1）完整匹配，2）捕获组1的值。可以使用matches[1].str()或matches.str(1)来访问捕获组。 - Wiktor Stribiżew

Answer 1

regex_match 函数只返回一个匹配项，并且包含所有捕获组的子匹配项（子匹配项的数量取决于模式中有多少个组）。

在这里，您只获得一个包含两个子匹配项的匹配项：1）完整匹配，2）捕获组 1 的值。

要获取捕获组的内容，您需要访问 smatches 对象的第二个元素，即 matches[1].str() 或 matches.str(1)。

请注意，当您编写 "<tag1.*>(.*)</tag1>\1" 时，\1 不是解析为 反向引用，而是被解析为八进制代码为 1 的字符。即使您定义了一个 反向引用（如 "<tag1.*>(.*)</tag1>\\1"），您也需要在 </tag1> 之后重复捕获组 1 捕获的整个文本，这绝不是您想要的结果。实际上，我怀疑这个正则表达式是否好用，至少，您需要将 ".*" 替换为 "[\\s\\S]*?"，但这仍然是一种脆弱的方法来解析 HTML。

- Wiktor Stribiżew