UTF-8-Prüfung der W3C-FAQ mit CAtlRegExp

[Pain-maker]

Hi @ all!

Ich versuche gerade verzweifelt den Regulären Ausdruck von der W3C FAQ in C++ mit CAtlRegExp nachzubauen. Aber ich bekomme immer wieder Assertion Fehler
Was mache ich falsch?
Mein Versuch:

#include <iostream>
#define USE_REGEX
#include <atlrx.h>

void main()
{
	CAtlRegExp<>         regExp;
	CAtlREMatchContext<> matches;
	TCHAR                *regExPattern = TEXT("{([\xC2-\xDF][\x80-\xBF]|\xE0[\xA0-\xBF][\x80-\xBF]|[\xE1-\xEC\xEE\xEF][\x80-\xBF]{2,}|\xED[\x80-\x9F][\x80-\xBF]|\xF0[\x90-\xBF][\x80-\xBF]{2,}|[\xF1-\xF3][\x80-\xBF]{3,}|\xF4[\x80-\x8F][\x80-\xBF]{2,})*?}"); // der ASCII-Teil ist nicht notwendig
	
	if(regExp.Parse(regExPattern) == REPARSE_ERROR_OK)
	{
		if(regExp.Match(TEXT("Ich kann es nicht mehr hören!"), &matches))
		{
			printf ("Nicht UTF-8 kodiert!\n");
		}
		else
		{
			printf("UTF-8 kodiert!\n");
		}
	}
	else
	{
		printf("Fehlerhaftes Pattern!\n");
	}
}

Bin für jede Hilfe dankbar
Grüße

//EDIT:
Mir ist grad eingefallen, dass die ATL ja gar nich mehr zum Visual Studio gehört... Vielleicht sollte das Thema doch nach C/C++ verschoben werden.

 

[deepthroat]

Hi.

Wie lautet denn die Assertionmeldung?

Atl Regexp unterstützt anscheinend (http://msdn.microsoft.com/en-us/library/k3zs4axe(VS.80).aspx) keine Wiederholungen, die geschw. Klammern werden ja auch schon als Gruppierung verwendet...

Du mußt also x{2,} durch xx* ersetzen.

Aber warum nimmst du nicht std::tr1::regex ? (http://www.codeproject.com/KB/string/TR1Regex.aspx) (ist beim Visual Studio 2008 ServicePack 1 schon dabei).

Gruß

 

[Pain-maker]

Schon mal danke, für die Antwort!

Also das mit den Mengenangaben ist echt doof... hab den regulären Ausdruck mal angepasst:

TCHAR *regExPattern = TEXT("{([\xC2-\xDF][\x80-\xBF]|\xE0[\xA0-\xBF][\x80-\xBF]|[\xE1-\xEC\xEE\xEF][\x80-\xBF][\x80-\xBF]|\xED[\x80-\x9F][\x80-\xBF]|\xF0[\x90-\xBF][\x80-\xBF][\x80-\xBF]|[\xF1-\xF3][\x80-\xBF][\x80-\xBF][\x80-\xBF]|\xF4[\x80-\x8F][\x80-\xBF][\x80-\xBF])*?}");

Denke, das sollte jetz so richtig sein?!

Funktionieren, tut's leider trotzdem nicht
Zwar bekomme ich keine Exceptions mehr, aber der Prüfung klappt jetzt immer, egal ob es sich wirklich um UTF-8 kodierten Text handelt oder nicht. Ich check's nich...

Bezüglich TR1:
Das is eine gute Idee, aber das optimalste für mich wäre das ganze mit AtlRegex zu realisieren, da ich dann keine weitere Bibliothek einbinden muss (Habe das VS 2005)

Schon mal vielen Dank!
Grüße

 

[deepthroat]

Anscheinend führt die Match Methode von CAtlRegExp eigentlich eine Suche aus und versucht nicht den ganzen String zu erkennen?!

Du müßtest ja prüfen ob der ganze String UTF-8 kodiert ist und nicht nur ein beliebiges Teilstück. Füge mal ^ und $ am Anfang und Ende hinzu.

Gruß