如何修复NMEA语句解析正则表达式以通过全部测试用例？

原正则的问题 #

原正则\$G([A-Z]{4}),(.*?)(\*[0-9A-Fa-f]{2})的核心缺陷：

• 中间的.*?非贪婪匹配允许字段中出现*，会错误匹配带多个*的无效语句（比如$GPXXX,2*3,1*77）
• 未限制语句的开头和结尾，可能匹配包含有效片段的长字符串
• 未约束校验和必须是恰好2位十六进制字符，会错误匹配$GPXXX,*012这类校验和长度违规的语句

修复后的正则 #

^\$G[A-Z]{4},(?:[^*,]*,)*[^*,]*\*[0-9A-Fa-f]{2}$

正则规则拆解 #

• ^：强制从字符串开头匹配，避免匹配片段
• \$G[A-Z]{4}：匹配NMEA语句的标准前缀（以$G开头的5位大写字母，比如$GPGGA）
• ,：前缀后的必填分隔逗号
• (?:[^*,]*,)*：非捕获组，匹配0或多个合法字段（字段内容不能包含*和逗号，末尾带逗号）
• [^*,]*：匹配最后一个字段（同样不能包含*和逗号，末尾不带逗号）
• \*[0-9A-Fa-f]{2}：匹配唯一的校验和标记*，后跟恰好2位十六进制字符（大小写兼容）
• $：强制匹配到字符串结尾，避免多余后缀

测试场景验证 #

有效语句（应匹配）

• $GPGGA,123456.000,4812.3456,N,00923.4567,E,1,08,1.0,0.0,M,0.0,M,,*57
• $GPRMC,123519,A,4807.038,N,00114.323,W,022.4,084.4,171100,,,A*45
• $GPVTG,054.7,T,034.4,M,005.5,N,010.2,K*48

无效语句（应不匹配）

• $GPXXX,2*3,1*77：中间字段包含*，违反格式规则
• $GPXXX,*012：校验和为3位，不符合2位要求
• $GPXXX,abc*def,ghi*01：存在多个*标记
• $GPGGA,123456*01：缺少字段分隔逗号，格式错误

适配BOOST测试的代码示例 #

#include <boost/regex.hpp>
#include <iostream>
#include <vector>

int main() {
    const boost::regex nmea_regex(R"(^\$G[A-Z]{4},(?:[^*,]*,)*[^*,]*\*[0-9A-Fa-f]{2}$)");

    // 有效测试用例
    std::vector<std::string> valid_cases = {
        "$GPGGA,123456.000,4812.3456,N,00923.4567,E,1,08,1.0,0.0,M,0.0,M,,*57",
        "$GPRMC,123519,A,4807.038,N,00114.323,W,022.4,084.4,171100,,,A*45",
        "$GPVTG,054.7,T,034.4,M,005.5,N,010.2,K*48",
        "$GPGLL,4916.45,N,12311.12,W,225444,A,*1D"
    };

    // 无效测试用例
    std::vector<std::string> invalid_cases = {
        "$GPXXX,$77*01",
        "$GPXXX,2*3,1*77",
        "$GPXXX,*012",
        "$GPXXX,abc*def,ghi*01",
        "$GPGGA,123456*01",
        "$GPGGA,123456,*01"
    };

    std::cout << "Valid cases test:\n";
    for (const auto& s : valid_cases) {
        std::cout << "\"" << s << "\" => " << (boost::regex_match(s, nmea_regex) ? "MATCHED" : "UNMATCHED") << "\n";
    }

    std::cout << "\nInvalid cases test:\n";
    for (const auto& s : invalid_cases) {
        std::cout << "\"" << s << "\" => " << (boost::regex_match(s, nmea_regex) ? "MATCHED" : "UNMATCHED") << "\n";
    }

    return 0;
}

可选调整 #

如果需要支持语句末尾的\r\n换行符，可将正则修改为：

^\$G[A-Z]{4},(?:[^*,]*,)*[^*,]*\*[0-9A-Fa-f]{2}(?:\r\n)?$

内容的提问来源于stack exchange，提问作者foragerDev