不同平台下C++正则表达式的差异

Question

我有以下代码：

#include <string>
#include <regex>
#include <iostream>

int main()
{
        std::string s;
        s += '\x06';
        s += '\x00';

        std::regex r(std::string(1, '\x06') + '\x00');
        std::smatch sm;
        if (std::regex_search(s, sm, r))
        {
                std::cout << "Success\n";
                return 0;
        }

        std::cout << "Failure\n";
}

在Windows上，我得到了“Success”而在Linux上，我得到了“Failure”。我在Windows使用MSVC 19.28，在Linux上使用GNU 9.3.0。为什么输出不同？

- user680891

---

我怀疑零字符会干扰，如果你用\x01替换\x00会怎样？如果有帮助的话，我会说这可能是MSVC的错误或C++标准的错误。 - yeputons

@Eljay，在 Linux 上，我使用 clang 10.0.0 仍然收到“失败”的消息。 - user680891

@user680891 这不是clang，而是libc++与libstdc++之间的区别：https://godbolt.org/z/o4xcT6E67 - Alan Birtles

如果我在正则表达式中用“\0”替换“\x00”，它就可以在gcc中工作。（即，正则表达式包含反斜杠后跟数字0，而不是值为零的字节）。 - Kevin

请参见 https://en.cppreference.com/w/cpp/regex/ecmascript，"*十进制转义符`\0`不是反向引用：它是表示空字符的字符转义符。它后面不能跟着十进制数字。*"，并且 它可以工作。 - Wiktor Stribiżew

Answer 1

根据C++ ECMAScript regex flavor reference，

引用块中指出：十进制转义符\0不是反向引用，它是表示null字符的字符转义符。不能在其后跟随十进制数字。

因此，要匹配Null字符，需要使用\0 文本字符串、一个字面意义上的\字符和一个0字符。可以使用正则字符串文字表示为"\\0"或更好地使用原始字符串文字表示为R"(\0)"。

以下打印 "Success"：

#include <string>
#include <regex>
#include <iostream>

int main()
{
        std::string s;
        s += '\x06';
        s += '\x00';
        std::regex r(std::string(1, '\x06') + R"(\0)");
        std::smatch sm;
        if (std::regex_search(s, sm, r))
        {
                std::cout << "Success\n";
                return 0;
        }

        std::cout << "Failure\n";
}

- Wiktor Stribiżew

---

ECMAScript正则表达式引擎是否明确地不支持在正则表达式中直接使用空字符？我在那个页面上没有看到任何相关说明。 - Kevin

你可以在std::string中有一个空字符，就像OP所做的那样，你也可以从std::string创建一个std::regex。因此，std::regex对象可以包含一个空字符。它是否实际支持或应该支持是个问题。 - Kevin

构造一个字符串，该字符串由指向s的字符字符串的前count个字符组成。s可以包含空字符。字符串的长度为count。如果[s，s + count)不是有效范围，则行为未定义。请参见https://en.cppreference.com/w/cpp/string/basic_string/basic_string。 - Kevin