在C语言中巧用正则表达式

From: http://blog.chinaunix.net/space.php?uid=20435679&do=blog&id=1680220

标准的C和C++都不支持正则表达式，但有一些函数库可以辅助C/C++程序员完成这一功能，其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库，许多Linux发行版本都带有这个函数库。 编译正则表达式 为了提高效率，在将一个字符串与正则表达式进行比较之前，首先要用regcomp()函数对它进行编译，将其转化为regex_t结构： int regcomp(regex_t *preg, const char *regex, int cflags); Param 参数regex是一个字符串，它代表将要被编译的正则表达式； 参数preg指向一个声明为regex_t的数据结构，用来保存编译结果； 参数cflags决定了正则表达式该如何被处理的细节。  Return 如果函数regcomp()执行成功，并且编译结果被正确填充到preg中后，函数将返回0， 任何其它的返回结果都代表有某种错误产生。  匹配正则表达式  一旦用regcomp()函数成功地编译了正则表达式，接下来就可以调用regexec()函数完成模式匹配：  int regexec( const regex_t *preg, const char *string , size_t nmatch, regmatch_t pmatch[], int eflags ); typedef struct { regoff_t rm_so; regoff_t rm_eo; } regmatch_t; Param 参数preg指向编译后的正则表达式， 参数string是将要进行匹配的字符串， 参数nmatch和pmatch则用于把匹配结果返回给调用程序， 参数eflags决定了匹配的细节。  ReMark 在调用函数regexec()进行模式匹配的过程中，可能在字符串string中会有多处与给定的正则表达式相匹配，参数pmatch就是用来保存这些匹配位置的，而参数nmatch则告诉函数regexec()最多可以把多少个匹配结果填充到pmatch数组中。当regexec()函数成功返回时，从string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一个匹配的字符串，而从string+pmatch[1].rm_so到string+pmatch[1].rm_eo，则是第二个匹配的字符串，依此类推。  释放正则表达式  无论什么时候，当不再需要已经编译过的正则表达式时，都应该调用函数regfree()将其释放，以免产生内存泄漏。  void regfree(regex_t *preg); 函数regfree()不会返回任何结果，它仅接收一个指向regex_t数据类型的指针，这是之前调用regcomp()函数所得到的编译结果。  如果在程序中针对同一个regex_t结构调用了多次regcomp()函数，POSIX标准并没有规定是否每次都必须调用regfree()函数进行释放，但建议每次调用regcomp()函数对正则表达式进行编译后都调用一次regfree()函数，以尽早释放占用的存储空间。  报告错误信息  如果调用函数regcomp()或regexec()得到的是一个非0的返回值，则表明在对正则表达式的处理过程中出现了某种错误，此时可以通过调用函数regerror()得到详细的错误信息。  size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size); Param 参数errcode 是来自函数regcomp()或regexec()的错误代码， 参数preg 是由函数regcomp()得到的编译结果， 其目的是把格式化消息所必须的上下文提供给regerror()函数。 参数errbuf_size指明的最大字节数， 应用正则表达式  最后给出一个具体的实例，介绍如何在C语言程序中处理正则表达式。  #include <stdio.h> #include <sys/types.h> #include <regex.h> /* 取子串的函数 */ static char* substr (const char*str, unsigned start, unsigned end) { unsigned n = end - start; static char stbuf[256]; strncpy(stbuf, str + start, n); stbuf[n] = 0; return stbuf; } /* 主程序 */ int main(int argc, char** argv) { char * pattern; int x, z, lno = 0, cflags = 0; char ebuf[128], lbuf[256]; regex_t reg; regmatch_t pm[10]; const size_t nmatch = 10; /* 编译正则表达式*/ pattern = argv[1]; z = regcomp(?, pattern, cflags); if (z != 0) { regerror(z, ?, ebuf, sizeof(ebuf)); fprintf(stderr, "%s: pattern '%s' \n", ebuf, pattern); return 1; } /* 逐行处理输入的数据 */ while(fgets(lbuf, sizeof(lbuf), stdin)) { ++lno; if ((z = strlen(lbuf)) > 0 && lbuf[z-1] == '\n') lbuf[z - 1] = 0; /* 对每一行应用正则表达式进行匹配 */ z = regexec(?, lbuf, nmatch, pm, 0); if (z == REG_NOMATCH) continue; else if (z != 0) { regerror(z, ?, ebuf, sizeof(ebuf)); fprintf(stderr, "%s: regcom('%s')\n", ebuf, lbuf); return 2; } /* 输出处理结果 */ for (x = 0; x < nmatch && pm[x].rm_so != -1; ++ x) { if (!x) printf("%04d: %s\n", lno, lbuf); printf(" $%d='%s'\n", x, substr(lbuf, pm[x].rm_so, pm[x].rm_eo)); } } /* 释放正则表达式 */ regfree(?); return 0; } 上述程序负责从命令行获取正则表达式，然后将其运用于从标准输入得到的每行数据，并打印出匹配结果。执行下面的命令可以编译并执行该程序：  # gcc regexp.c -o regexp # ./regexp 'regex[a-z]*' < regexp.c 0003: #include <regex.h> $0='regex' 0027: regex_t reg; $0='regex' 0054: z = regexec(?, lbuf, nmatch, pm, 0); $0='regexec' 小结  对那些需要进行复杂数据处理的程序来说，正则表达式无疑是一个非常有用的工具。本文重点在于阐述如何在C语言中利用正则表达式来简化字符串处理，以便在数据处理方面能够获得与Perl语言类似的灵活性。