C++ の regex において、文字列としての(バックスラッシュ)を置換したい。

Question

前提・実現したいこと

C++の std::regex において、任意の文字列に含まれる「文字としての(バックスラッシュ)」を置換することは可能でしょうか？
※任意の文字列はプログラム外から与える事を想定しているため、任意の文字列には「\」１文字が存在することがあります。

欲しい結果

プログラムの外部から文字列を指定し、その文字列に含まれる「\」を「\」に置換し出力したいと思っています。

例えば、コンソール上で次のようにすると、

user> app.exe あい\うえお\かきくけこ

次の結果を得たいと思っています。

あい\うえお\かきくけこ

試したこと

次の３つの方法で試しました。

1. バックスラッシュをバックスラッシュでエスケープして実施（PatternA1）
2. バックスラッシュをバックスラッシュでエスケープして実施（PatternA2）
3. 生文字リテラルを用いて実施（PatternB）

また、対象とした文字列は次の３つです。
0. 表層
0. 予想予
0. あい\うえお\かきくけこ

以下にソースコードを示します。

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

void dispResultPatternA1(std::string inputStr) {
	std::cout << "\t" << inputStr << "  ->  " << std::regex_replace(inputStr, std::regex("\"), "\\") << std::endl;
}
void dispResultPatternA2(std::string inputStr) {
	std::cout << "\t" << inputStr << "  ->  " << std::regex_replace(inputStr, std::regex("\\"), "\\") << std::endl;
}
void dispResultPatternB(std::string inputStr) {
	std::cout << "\t" << inputStr << "  ->  " << std::regex_replace(inputStr, std::regex(R"(\)"), "\\") << std::endl;
}
int main(int argc, char* argv[]) {
	if (argc != 4) { return 1; }

	std::string s1_Before = argv[1];//第一引数　...　あい\うえお\かきくけこ
	std::string s2_Before = argv[2];//第二引数　...　表層
	std::string s3_Before = argv[3];//第三引数　...　予想予

	std::cout << " ● PatternA1" << std::endl;
	try {
		dispResultPatternA1(s1_Before);
		dispResultPatternA1(s2_Before);
		dispResultPatternA1(s3_Before);
	}
	catch (std::regex_error& e) {
		std::cout << "\t" << e.what() << std::endl;
	}

	std::cout << " ● PatternA2" << std::endl;
	try {
		dispResultPatternA2(s1_Before);
		dispResultPatternA2(s2_Before);
		dispResultPatternA2(s3_Before);
	}
	catch (std::regex_error& e) {
		std::cout << "\t" << e.what() << std::endl;
	}

	std::cout << " ● PatternB" << std::endl;
	try {
		dispResultPatternB(s1_Before);
		dispResultPatternB(s2_Before);
		dispResultPatternB(s3_Before);
	}
	catch (std::regex_error& e) {
		std::cout << "\t" << e.what() << std::endl;
	}

	getchar();
	return 0;
}

その結果次の様になりました。
そもそもPatternAでうまくいくと思ってましたがエラーが出てしまいます。そこで、エスケープのエスケープで置換したらいいのでは？と思いPatternA2で試してみました。すると、第一引数の文字列は欲しい結果となったのですが、他の特定の文字（ここでは、「表」「予」）も置換の対象となってしまいました。他に方法はないか調べていると、「生文字リテラル」なるものがあり、それで試してみると（PatternB）、PatternA2と同じ結果となりました。

 ● PatternA1
        regex_error(error_escape): The expression contained an invalid escaped character, or a trailing escape.
 ● PatternA2
        あい\うえお\かきくけこ  ->  あい\うえお\かきくけこ
        表層  ->  表\層
        予想予  ->  予\想予\
 ● PatternB
        あい\うえお\かきくけこ  ->  あい\うえお\かきくけこ
        表層  ->  表\層
        予想予  ->  予\想予\

Comments

[maisumakun]

> コンソール上で次のようにすると、

コンソールの種類は何でしょうか？（状況によっては、コンソール自体がバックスラッシュで特殊な挙動をすることも考えられます。まず「きちんと渡せているか」も確認したほうがいいかもしれません）

[MomenToufu]

コメントありがとうございます。
コンソールはWindowsのコマンドプロンプトです。問題なくデータが渡せているか確認したいと思います。

Answer 1

書いてみました。

#include <iostream>
#include <string>
#include <cstdlib>  // mbstowcs, wcstombs
#include <regex>    // wregex, 
#include <clocale>  // setlocale
using namespace std;

wstring towstr(const string& s)
{
	size_t n = s.size() + 1;
	wchar_t *p = new wchar_t[n];
	mbstowcs(p, s.c_str(), n);
	wstring ws(p);
	delete[] p;
	return ws;
}

string tostr(const wstring& ws)
{
	size_t n = ws.size() * 3 + 1; 
	char *p = new char[n];
	wcstombs(p, ws.c_str(), n);
	string s(p);
	delete[] p;
	return s;
}

string bs2(const string& s)
{
	static wregex wr(L"\\");
	return tostr(regex_replace(towstr(s), wr, L"\\"));
}

int main()
{
	setlocale(LC_CTYPE, "");
	
	string a[] = { "あい\うえお\かきくけこ", "表層", "予想予" };
	for (string& s : a)
		cout << s << " -> " << bs2(s) << endl;
}

エラー処理は省略しています。

実行結果

あい\うえお\かきくけこ -> あい\うえお\かきくけこ
表層 -> 表層
予想予 -> 予想予

追記
マルチバイト文字が UTF-8 ではなく、Shift-JIS だと分かっていたとすれば、

#include <iostream>
#include <string>
#include <sstream>  // ostringstream
using namespace std;

bool isleading(unsigned char c) { return (c ^ 0x20) - 0xa1 < 60u; }

string bs2(const string& s)
{
	ostringstream oss;
	for (const char *p = s.c_str(); *p; p++) {
		oss << *p;
		if (*p == '\') oss << '\';
		else if (isleading(*p)) oss << *++p;
	}
	return oss.str();
}

int main()
{
	string a[] = { "あい\うえお\かきくけこ", "表層", "予想予" };
	for (string& s : a)
		cout << s << " -> " << bs2(s) << endl;
}

Comments

[MomenToufu]

回答ありがとうございます。
意図した動作が出来ました。

一部分かっていない箇所があるのですが、「追記」のコードの isleading は上位ビットから全角か半角か判断しているということで良いでしょうか？これに追加して、制御文字の判定も行っているのでしょうか？

[kazuma-s]

Shift-JIS は、マルチバイト文字で 1バイト文字と 2バイト文字が混在しています。
2バイト文字の先頭バイト(leading byte) は 0x81～0x9f と 0xe0～xfc です。
それを判別するのに、 c >= 0x81 && c <= 0x9f || c >= 0xe0 && c <= 0xfc と
書いてもいいのですが、(c ^ 0x20) - 0xa1 < 60u でも同じ判定ができます。
制御文字は無関係です。

[MomenToufu]

回答ありがとうございます。ビット演算子（^）の事を知らなかったものでちょっと確認させていただきました。

Answer 2

日本語の文字を扱うのならワイド文字系かマルチバイト文字系を使って処理するべきでしょうね。

Comments

[MomenToufu]

回答ありがとうございます。表面上は今回の質問のようなコードを書いているのですが、実際にはShift-JISを前提としたその他コードがあるため、出来るだけShift-JISベースで処理させたいと思っています。

Answer 3

他の特定の文字（ここでは、「表」「予」）も置換の対象となってしまいました。

シフトJISには、2バイト目に0x5c（バックスラッシュと同じコードポイント）が来る漢字があります。

なので、コードポイントだけ見て変換していると「表」や「予」の2バイト目にマッチしてしまいます。

Comments

[MomenToufu]

回答ありがとうございます。「表」や「予」で置換の対象となってしまう理由について理解いたしました。Shift-JISはちょっと曲者ですね。