Linux环境下如何用C++正则解析含CR|LF或LF换行的文件

核心思路 #

使用正则模式\r?\n同时匹配CRLF（Windows格式）和LF（Linux/Unix格式）两种换行符，不需要提前对文件做转码预处理，解析时直接适配两种换行格式。

实现步骤（基于C++11及以上标准库） #

1. 依赖说明 #

无需引入第三方库，直接使用STL的std::regex模块即可，Linux下GCC 4.9+、Clang 3.3+均完整支持该特性。

2. 完整示例代码 #

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

int main() {
    // 二进制模式打开文件，完整读取原始的\r、\n字符，避免系统默认转换
    std::ifstream input_file("your_target_file.txt", std::ios::binary);
    if (!input_file.is_open()) {
        std::cerr << "文件打开失败" << std::endl;
        return 1;
    }

    // 读取全量文件内容到字符串，小文件适用，大文件可改为逐块读取
    std::string file_content((std::istreambuf_iterator<char>(input_file)), 
                              std::istreambuf_iterator<char>());
    input_file.close();

    // 定义换行符匹配规则，同时适配CRLF和LF
    const std::regex line_separator(R"(\r?\n)");

    // 拆分文件内容为行集合
    std::vector<std::string> lines;
    std::sregex_token_iterator iter(file_content.begin(), file_content.end(), line_separator, -1);
    std::sregex_token_iterator end;
    while (iter != end) {
        lines.push_back(*iter);
        ++iter;
    }

    // 后续可对lines逐行做自定义正则解析逻辑
    for (size_t i = 0; i < lines.size(); ++i) {
        std::cout << "第" << i+1 << "行内容：" << lines[i] << std::endl;
    }

    return 0;
}

注意事项 #

• 大文件场景下不建议全量读取到内存，可以每次读取4KB~64KB的块，保留1字节的重叠缓存处理跨块的CRLF换行（块末尾为\r、下一块开头为\n的情况），避免拆分错误。
• 如果对正则匹配性能要求高，可以替换为PCRE2库，换行匹配规则和逻辑完全通用，性能比std::regex高3~5倍。
• 若解析逻辑不需要先拆分行，直接在全局正则匹配规则中用\r?\n替代原有的\n匹配换行即可，无需额外调整逻辑。

内容的提问来源于stack exchange，提问作者Ocean11