如何在C++中用正则匹配特定符号前的首部内容（含中文场景）

需求是提取字符串中**英文.、英文,、中文，**之前的首部内容，示例：

• 输入"ABC, ZXC"，期望输出"ABC"
• 输入"AB.QWE,CV"，期望输出"AB"
• 输入"1月1日，天气晴"，期望输出"1月1日"

已通过Python实现该功能（修正原代码笔误后）：

import re
front_part = re.findall(r'(.*?)[.,，]', content)[0] if re.findall(r'[.,，]', content) else content

但自行编写的C++正则代码始终返回完整字符串，代码如下：

#include<regex>
#include<string>
#include<iostream>
int main()
{
std::string content = "AB.AC";
std::string front_part;
std::smatch frt_pt_sm;
std::regex frt_pt_patt(".*[.,]");
if (std::regex_match(content, frt_pt_sm, frt_pt_patt))
{
for(unsigned i = 0;i < frt_pt_sm.size(); ++i)
{
std::cout<< frt_pt_sm[i] << std::endl;
} 
front_part = frt_pt_sm[0];
}
return 0;
}

问题原因 #

你的C++正则代码存在三个核心问题：

1. .*是贪婪匹配模式，会尽可能匹配到最后一个目标符号，导致返回从开头到最后一个符号的全部内容，而非第一个符号前的部分；
2. 正则未包含中文逗号，，且没有设置捕获分组，无法单独提取符号前的内容；
3. regex_match要求整个字符串完全匹配正则规则，若字符串末尾没有目标符号，匹配会直接失败，无法返回原字符串。

解决方案 #

方案1：修正正则表达式（非贪婪捕获） #

使用非贪婪匹配+捕获分组，同时加入中文逗号的匹配，并用regex_search替代regex_match（只需字符串中存在匹配部分即可生效）：

#include<regex>
#include<string>
#include<iostream>
int main()
{
    std::string content = "AB.AC";
    std::string front_part = content; // 默认返回原字符串
    std::smatch match_result;
    // 正则解释：
    // (.*?)：非贪婪捕获分组，匹配任意字符直到遇到第一个目标符号
    // [.,，]：匹配英文点、英文逗号、中文逗号
    std::regex patt(R"((.*?)[.,，])");

    if (std::regex_search(content, match_result, patt))
    {
        front_part = match_result[1]; // 取第一个捕获分组的内容
    }

    std::cout << front_part << std::endl;
    return 0;
}

方案2：不使用正则，直接查找符号位置 #

如果只是简单提取首个符号前的内容，用字符串原生查找函数效率更高，也更易理解：

#include<string>
#include<iostream>
int main()
{
    std::string content = "1月1日，天气晴";
    std::string front_part = content;

    // 查找第一个目标符号的位置
    size_t pos = content.find_first_of(".，,");
    if (pos != std::string::npos)
    {
        front_part = content.substr(0, pos);
    }

    std::cout << front_part << std::endl;
    return 0;
}

内容的提问来源于stack exchange，提问作者4daJKong