如何用C++ std::regex_match提取状态机语句中的多组有效内容？

我需要从状态机定义字符串中提取核心元素（源状态A、事件e、守卫guard、动作action、目标状态B），用于生成PlantUML状态图。之前用字符串分割/修剪的方式处理，现在尝试用C++的std::regex_match实现，但当前正则提取的结果会带入多余字符（如+、[]、/），请求改进。

示例状态机字符串 #

hsm::state<A>  = hsm::state<B>
hsm::state<A> + hsm::event<e> = hsm::state<B>
hsm::state<A> [guard] = hsm::state<B>
hsm::state<A> / action = hsm::state<B>
hsm::state<A> + hsm::event<e> [guard] = hsm::state<B>
hsm::state<A> [guard] / action = hsm::state<B>
hsm::state<A> + hsm::event<e> [guard] / action = hsm::state<B>

现有代码 #

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

using namespace std;

int main(int argc, char* argv[])
{
    std::regex re{"(.*hsm::state<.[^>]*>)(.*hsm::event<.[^>]*>)?(.*\\[.[^>]*\\])?(.*/.[^=]*)?.*(hsm::state<.[^>]*>).*"};

    ifstream file(argv[1]);

    for (std::string line; getline(file, line);) {
        cout << "[" << line << "]" << endl;
        std::smatch match;

        if (std::regex_match(line, match, re)) {
            const char* names[] = {"", "source", "event ", "guard ", "action", "target", "", "", ""};
            for (size_t i = 1; i < match.size(); ++i) {
                cout << "   m[" << i << "]: " << names[i] << ": [" << match[i] << "]" << endl;
            }
        }
    }
}

改进思路 #

核心是调整正则表达式，通过精准捕获组直接提取需要的核心内容，而非捕获包含多余符号的整段文本。具体调整点：

• 对源状态、目标状态，直接捕获<>内部的状态名（如A、B）
• 对事件，跳过 + hsm::event<前缀，直接捕获<>内部的事件名（如e）
• 对守卫，跳过[前缀和]后缀，直接捕获括号内的守卫内容
• 对动作，跳过/前缀，直接捕获动作内容

改进后的代码 #

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

using namespace std;

int main(int argc, char* argv[])
{
    // 正则说明：
    // 1. 源状态：捕获hsm::state<...>中的...部分
    // 2. 事件：可选，匹配+ hsm::event<...>并捕获...部分
    // 3. 守卫：可选，匹配[...]并捕获...部分
    // 4. 动作：可选，匹配/ ... 并捕获...部分（直到=前）
    // 5. 目标状态：捕获hsm::state<...>中的...部分
    std::regex re{R"(hsm::state<([^>]*)>\s*(?:\+\s*hsm::event<([^>]*)>)?\s*(?:\[([^\]]*)\])?\s*(?:/\s*([^=]*))?\s*=\s*hsm::state<([^>]*)>)"};

    ifstream file(argv[1]);

    for (std::string line; getline(file, line);) {
        cout << "[" << line << "]" << endl;
        std::smatch match;

        if (std::regex_match(line, match, re)) {
            const char* names[] = {"", "source", "event", "guard", "action", "target"};
            for (size_t i = 1; i < match.size(); ++i) {
                if (!match[i].str().empty()) {
                    cout << "   m[" << i << "]: " << names[i] << ": [" << match[i].str() << "]" << endl;
                }
            }
        }
    }
    return 0;
}

关键正则解释 #

• hsm::state<([^>]*)>：匹配源状态定义，([^>]*)捕获<>内的状态名（非>的任意字符）
• (?:\+\s*hsm::event<([^>]*)>)?：非捕获组包裹事件匹配，?:表示不捕获整个前缀，只捕获<>内的事件名，?表示该部分可选
• (?:\[([^\]]*)\])?：非捕获组包裹守卫匹配，捕获[]内的内容，可选
• (?:/\s*([^=]*))?：非捕获组包裹动作匹配，捕获/ 后到=前的内容，可选
• \s*=\s*hsm::state<([^>]*)>：匹配等号和目标状态，捕获目标状态名

测试效果 #

对于所有示例字符串，提取的内容均为干净的核心值：

• 源状态：A
• 事件（存在时）：e
• 守卫（存在时）：guard
• 动作（存在时）：action
• 目标状态：B

内容的提问来源于stack exchange，提问作者David Fleury