C++ 0x regex實現關鍵OR敏感字過濾

給出一篇文檔，要求把裏面的“性愛”都替換成“革命”，“性”都替換成“道德”。刪除裏面所有的“A片”。在所有的“蒼井空來了”前面加上“（表相信）”，後面加上“（這是謠言）”。
要求：考慮周密，設想各種會出現的奇怪情況。因爲---我們是國家安全局！寧可錯殺一萬，不能漏過一個。

首先考慮到肯定要涉及到各種寬字符的過濾故肯定要使用unicode來處理，我們的函數接口不妨設爲

static void filter_unicode(std::wstring& ws_text);

然後題目中的三個需求其實都可以概括成將子串A替換爲B的操作，故如果沒有特殊要求直接三句boost::replace_all即可搞定。

現在來考慮最後的要求中提到的“奇怪情況”，那就需要我們“設身處地”地來思考啦。我們平時想輸入敏感字時會用到什麼方法呢，無外乎會插入空格或者各種異常標點符號之類，這裏會想到用正則表達式豈不正好？符合我們需求的相應函數爲std::regex_replace，boost的regex庫也有對應函數，這裏就用c++ 0x原生的了。

我們的需求是從關鍵字首字符開始匹配，中間如果只間隔標點符號，且符號結束後的第一個字符與關鍵字尾字符相匹配，則匹配成功，將此串替換爲預設的目標串。要注意到的是c++ 0x和boost中的regex庫並不支持unicode庫定義，比如\p{L} 之類的定義，不然我們可以簡單的使用\p{Punct}來完成這個需求了。詳細的符號定義可以參考http://en.wikipedia.org/wiki/Regular_expression，我們這裏使用到的是\W，可以排除所有字母（包含中文等）和下劃線，於是正則表達式可以寫成

性\W*愛

再將下劃線補充上即可完成需求

性[\W|_]*愛

最終完成的代碼如下：

#include <regex>
#include <locale>
#include <string>
#include <iostream>

static wchar_t* rules[][2] =
{
    {L"性(\\W|_)*愛", L"革命"},
    {L"性", L"道德"},
    {L"A(\\W|_)*片", L""},
    {L"蒼(\\W|_)*井(\\W|_)*空(\\W|_)*來(\\W|_)*了", L"（表相信）蒼井空來了（這是謠言）"},
};
static const int RULE_COUNT = sizeof(rules) / sizeof(rules[0]);

static void filter_unicode(std::wstring& ws_text)
{
    for (int i = 0; i < RULE_COUNT; ++i)
        ws_text = std::regex_replace(ws_text, std::wregex(rules[i][0]), std::wstring(rules[i][1]));

}
static void test1()
{
    std::locale::global(std::locale("chs"));
    std::wstring ws_text = L"性不愛性a愛性 \t\r\n`~!@#$%^&*()-_=+[{]}\\|;:'\",<.>/?·！@#￥%……（）——【】｛｝、，。《》？愛性6A片333蒼井空來了555";
    std::wcout << "before:" << ws_text << std::endl;

    filter_unicode(ws_text);

    std::wcout << std::endl << L"---------------------------" << std::endl;
    std::wcout << "after:" << ws_text << std::endl;
}

運行結果如下：