C++中如何支持XML Schema正则的字符类减法，或直接使用XSD风格正则？

字符类减法语法的C++兼容实现 #

XML Schema 中字符类减法的语法规则为：在[]字符类内部，通过-[子字符类]标记完成集合差运算，即从标记前的基础字符集合中剔除标记后子字符类定义的字符，得到最终匹配范围。由于C++标准库std::regex采用ECMAScript正则标准，原生不支持该语法，可通过预编译阶段的字符串预处理完成兼容，核心实现逻辑：

• 逐字符扫描全量正则字符串，通过栈结构识别配对的字符类边界：扫描时跳过转义字符（如\[、\]），准确标记每个字符类的起始[、结束]位置，避免将普通的字面量方括号误识别为字符类边界。
• 在每个字符类内部定位减法语法标记：识别非转义的-[序列，通过栈结构匹配该标记后对应的结束]，拆分出基础字符集合、需要排除的目标字符集合。该逻辑可支持嵌套减法结构（如[a-z-[ae-[b]]]）的准确识别。
• 完成集合差运算后，转换为ECMAScript标准兼容语法：由于ECMAScript规范无字符类交、差运算能力，需要将差集结果拆解为多个连续字符区间，拼接为标准格式的字符类。例如原生XSD正则[a-z-[aeiuo]]计算差集后，得到连续区间b-d、f-h、j-n、p-t、v-z，转换后的可被std::regex正常编译的正则为[b-df-hj-np-tv-z]。

注意：预处理过程中需要单独处理排除集合内的转义字符、区间定义，禁止无规则字符串替换，避免生成语义错误的正则串。

预处理后的可运行代码示例：

#include <iostream>
#include <regex>

int main()
{
    try
    {
        // 替换为预处理后的兼容正则
        std::regex rx("[b-df-hj-np-tv-z]");
        std::cout << std::regex_match("b", rx) << std::endl; // 匹配成功，输出1
        std::cout << std::regex_match("a", rx) << std::endl; // 匹配失败，输出0
    }
    catch (const std::regex_error& ex)
    {
        std::cout << ex.what() << std::endl;
    }
}

可直接使用XML Schema风格正则的C++实现方案 #

• ICU 正则引擎：ICU库的正则模块完整实现了XML Schema正则方言的全量特性，包括\i、\c预定义字符类、字符类减法、Unicode字符属性匹配等，无需自行编写预处理逻辑，可直接将XSD文件中提取的原始正则串传入引擎完成匹配，是工业级场景下兼容性最高的方案。
• 轻量自定义适配层：如果不想引入ICU这类重型依赖，可基于标准正则接口实现轻量适配层：
  • 将\i、\c按照XML规范定义的字符范围做字符串替换，直接展开为等价的Unicode字符区间
  • 按照前述的栈式扫描逻辑处理所有字符类减法结构，转换为std::regex支持的标准语法
• Boost.Regex 间接适配：Boost 正则库支持字符类交集语法，可通过语法映射将XSD的减法结构转换为Boost支持的[基础类&&[^排除类]]格式间接实现兼容，但由于该语法与XSD原始格式存在差异，仍需做一层字符串转换，无法直接传入原始XSD正则。

内容的提问来源于stack exchange，提问作者tjwrona